sklearn特征提取

TfidfVectorizer（TF-IDF接口）

参数(由于参数太多，这里就介绍了几个，以后用到再从源码中学)

input : {'filename', 'file', 'content'}, default='content'；这里只介绍"filename"和"content",一般使用是都配合它的fit_transform方法使用，使用方法见下面代码。

encoding : str, default='utf-8'

strip_accents : {'ascii', 'unicode'} or callable, default=None;去除口音，默认不做任何操作。

ngram_range : tuple (min_n, max_n), default=(1, 1)；词组切分的长度范围，根据参数值将内容分成不同的长度，比如“Python is useful”中ngram_range(1,3)之后可得到’Python’ ‘is’ ‘useful’ ‘Python is’ ‘is useful’ 和’Python is useful’如果是ngram_range (1,1) 则只能得到单个单词’Python’ ‘is’和’useful’