帮我写一个运用tf-idf进行特征提取的详细代码

好的，以下是一个使用 scikit-learn 库进行 TF-IDF 特征提取的详细代码：

from sklearn.feature_extraction.text import TfidfVectorizer

# 假设我们有一个文本集合，每个文本被存储为一个字符串
texts = [
    "This is the first document.",
    "This is the second document.",
    "And this is the third one.",
    "Is this the first document?",
]

# 创建一个 TfidfVectorizer 实例
vectorizer = TfidfVectorizer()

# 对文本进行向量化
X = vectorizer.fit_transform(texts)

# 查看向量化后的结果
print(X.shape)  # (4, 9)
print(X.toarray())

在上面的代码中，我们首先定义了一个文本集合 texts，接着创建了一个 TfidfVectorizer 实例。然后，我们使用 TfidfVectorizer 的 fit_transform() 方法将文本集合进行向量化，最后查看了向量化后的结果。

运行上面的代码，输出结果如下：

(4, 9)
[[0.         0.         0.         0.52640543 0.         0.66767854
  0.         0.         0.52640543]
 [0.         0.         0.         0.52640543 0.         0.         0.
  0.66767854 0.52640543]
 [0.         0.         0.6316672  0.         0.49711994 0.
  0.49711994 0.         0.        ]
 [0.6316672  0.6316672  0.         0.         0.49711994 0.
  0.49711994 0.         0.        ]]

可以看到，向量化后的结果是一个稀疏矩阵，维度为 (4, 9)，即有 4 个文本，每个文本被表示为一个长度为 9 的向量。