matlab实现TF-IDF分析

在MATLAB中实现TF-IDF（Term Frequency-Inverse Document Frequency）分析通常包括两个主要步骤：

1. **词频统计**[^1]:
使用`CountVectorizer`类来统计文档中每个词的频率，类似于Python中的`sklearn.feature_extraction.text.CountVectorizer`。这一步骤创建了一个词频（TF）矩阵，表示每个单词在文档中出现的次数。

   % 假设documents是文本数组
   documents = {'this is a test document', 'another example for TF-IDF'};
   countVector = countvectorizer; % 初始化计数器
   tfMatrix = countVector.fitTransform(documents); % 计算词频矩阵

2. **转换成TF-IDF矩阵**:
`TfidfTransformer`用于计算TF-IDF值，它对词频矩阵进行操作，降低频繁出现但缺乏文档特异性的词语权重，增加那些罕见但在特定文档中有重要含义的词的权重。

   % 创建并训练TfidfTransformer
   transformer = tfidftransformer;
   tfidfMatrix = transformer.fitTransform(tfMatrix); % 应用TF-IDF算法

最后，`tfidfMatrix`就是一个包含了TF-IDF值的新矩阵，可以用来做后续的数据挖掘或机器学习任务。