countvectorizer参数详解

CountVectorizer是一种文本特征提取器，主要用于将文本转换为词频矩阵。常用参数如下:

- input: 输入的文本数据，可以是文件路径、文本字符串或文本列表。
- encoding: 输入文本的编码方式，默认为‘utf-8’。
- decode_error: 处理编码错误的方式，默认为‘strict’。
- strip_accents: 去除重音符号，默认为 None。
- lowercase: 是否将文本转换为小写，默认为 True。
- preprocessor: 预处理文本的函数，默认为 None。
- tokenizer: 分词函数，默认为 None。
- stop_words: 停用词，可以是自定义的停用词列表或预定义的停用词。
- vocabulary: 字典，若设置此参数，则仅考虑该字典中的词。
- binary: 是否使用二值词频矩阵，默认为 False。
- dtype: 返回的词频矩阵的数据类型，默认为 numpy.int64。

以上是CountVectorizer常用参数的简单说明，详细使用可以参考sklearn文档。