vectorizer.fit_transform

vectorizer.fit_transform是Scikit-learn中一个常用的函数，用于将文本转换成数字表示的向量。在使用该函数之前，需要先实例化一个Vectorizer对象，比如CountVectorizer或者TfidfVectorizer。

fit_transform函数有两个步骤，分别是fit和transform。在fit步骤中，Vectorizer会统计词汇表，并根据统计结果设置一些参数，比如max_features、ngram_range等。在transform步骤中，Vectorizer会将文本转换成数字表示的向量。

举个例子，假设我们有如下的两个文本：

text1 = "I love to eat burgers"
text2 = "I hate to eat broccoli"

我们可以使用CountVectorizer来将这两个文本转换成向量表示：

from sklearn.feature_extraction.text import CountVectorizer

# 实例化CountVectorizer对象
vectorizer = CountVectorizer()

# 将文本转换成向量
X = vectorizer.fit_transform([text1, text2])

# 输出向量表示
print(X.toarray())

运行上述代码，我们可以得到如下输出：

[[1 1 1 0 1 1]
 [1 1 0 1 1 1]]

这里的每一行都是一个文本的向量表示，向量的每一维表示词汇表中的一个单词，向量中的值表示该单词在该文本中出现的次数。比如第一行的向量表示中，第一个元素1表示词汇表中的单词"broccoli"在该文本中出现了1次。