tfidfvectorizer用法

TfidfVectorizer是sklearn库中的一个文本特征提取工具，用于将文本数据转换为TF-IDF特征矩阵。TF-IDF（Term Frequency-Inverse Document Frequency）是一种常用于衡量文本中词语重要性的方法。

使用TfidfVectorizer，首先需要导入相应的库：

from sklearn.feature_extraction.text import TfidfVectorizer

然后，创建一个TfidfVectorizer对象，可以设置一些参数来定制化特征提取的过程，例如：

vectorizer = TfidfVectorizer(max_features=1000, stop_words='english')

其中，max_features参数指定了保留的最大特征数，stop_words参数用于指定需要过滤的常见停用词。

接下来，可以使用fit_transform方法对文本数据进行拟合和转换：

X = vectorizer.fit_transform(text_data)

其中，text_data是一个包含文本数据的列表或数组。

最后，可以通过调用get_feature_names方法获取提取得到的特征词列表：

feature_names = vectorizer.get_feature_names()

这样，就可以得到一个TF-IDF特征矩阵X和对应的特征词列表feature_names。