san_mu的专栏

原创 TFIDF

概念：          TFIDF中的TF是termFrequency即词频，是词在文档中出现的频率，用词出现的次数除以文档中词的总数。以防止它偏向长的文件。这里词的总数是词1出现3次，词2出现5次，总数就是3+5=8次。          而IDF是InverseDocument Frequency，可以由总的文件数目除以包含该词的文件数目，再取对数。10为底的对数。