# 机器学习::文本特征提取（TF-IDF） - 第二部分

### 矢量归一化

D4：我们可以看到闪亮的阳光，明亮的阳光。

$\ vec {v_ {d_4}} =（0,2,1,0）$

$\ displaystyle \帽子{v} = \压裂vec {v}} {\ vec {v} {\ | \ \ | _p}$

### 勒贝格空间

$\ | \ vec {u} \ |= \ sqrt {u ^ 2_1 + u ^ 2_2 + u ^ 2_3 + \ ldots + u ^ 2_n}$

$\ displaystyle \ | \ vec {u} \ | _p =（\ left | u_1 \ light | ^ p + \ left | u_2 \右| ^ p + \ left | u_3 \右| ^ p + \ ldots +左U_N \右| ^ p）^ \ frac {1} {p}$

$vec{你}\ displaystyle \ | \ \ | _p =(\ \和limits_ {i = 1} ^ {n} \左右vec{你}_i | \ \ | ^ p) ^ \压裂{1}{p}$

$\ displaystyle \ | \ vec {u} \ | _1 =（\ left | u_1 \ light | +左| u_2 \ revent | +左| u_3 \ revent | + \ ldots + \ left | u_n \ left |）$

### 回到向量规范化

$\ hat {v} = \ frac {\ vec {v}} {\ | \ vec {v} \ | _p} \\ \\ \\ \ hat {v_ {d_4}} = \ frac {\ vec {v_ {d_4}}} {|| \ vec {v_ {d_4}} || _2} \\ \\ \\ \ hat {v_ {d_4}} = \ frac {（0,2,1,0）} {\ sqrt {0^ 2 + 2 ^ 2 + 1 ^ 2 + 0 ^ 2}} \\ \\ \ hat {v_ {d_4}} = \ frac {（0,2,1,0）} {\ sqrt {5}}} \\\ \ small \ hat {v_ {d_4}} =（0.0,0.89442719,0.4472136,0.0）$

### 术语频率-反文档频率(tf-idf)权重

火车文件集：D1：天空是蓝色的。D2：太阳很明亮。测试文件集：D3：天空中的太阳很明亮。D4：我们可以看到闪亮的阳光，明亮的阳光。

$\ displaystyle \ mathrm {idf} (t) = \ log{\压裂{\左| D \右|}{1 +左| \ \ {D: t \ D \} \右|}}$

TF-IDF的公式是：

$\ mathrm {tf \ mbox { - } IDF}（t）= \ mathrm {tf}（t，d）\ times \ mathrm {idf}（t）$

$M_ {rain} = \ begin {bmatrix} 0＆1＆1＆1 \\ 0＆2＆1＆0 \ END {BMATRIX}$

$\ mathrm {IDF}（T_1）= \日志{\压裂{\左| d \右|} {1+ \左| \ {d：T_1 \在d \} \右|}} = \日志{\压裂{2} {1}} = 0.69314718$

$\ mathrm {idf}（t_2）= \ log {\ frac {\ left | d \ light |} {1+ \ left | \ {d：t_2 \在d \} \ light |}} = \ log {\ frac{2} {3}} = -0.40546511$

$\mathrm{idf}（t|3）=\log{\frac{\left}D\right}{1+\left}{D:t|3\in D\}\right}}=\log{\frac{2}{3}=-0.40546511$

$\ mathrm {IDF}（T_4）= \日志{\压裂{\左| d \右|} {1+ \左| \ {d：T_4 \在d \} \右|}} = \日志{\压裂{2} {2}} = 0.0$

$\vec{idf_{train}} = (0.69314718， -0.40546511， -0.40546511, 0.0)$

$M_{idf} = begin{bmatrix} 0.69314718 & 0 & 0 & 0\\ 0 & -0.40546511 & 0\\ 0 & 0\\ 0 & -0.40546511 & 0\\ 0 & 0 & 0 & 0 & 0 & 0\ end{bmatrix}$

$M_{tf\mbox{-}idf} = M_{train} \乘以M_{idf}$

$\ begin {bmatrix} \ mathrm {tf}（t_1，d_1）＆\ mathrm {tf}（t_2，d_1）＆\ mathrm {tf}（t_3，d_1）＆\ mathrm {tf}（t_4，d_1）\\\ mathrm {tf}（t_1，d_2）＆\ mathrm {tf}（t_2，d_2）＆\ mathrm {tf}（t_3，d_2）＆\ mathrm {tf}（t_4，d_2）\ ent {bmatrix} \ times\ begin {bmatrix} \ mathrm {idf}（t_1）＆0＆0＆0 \\ 0＆\ mathrm {idf}（t_2）＆0＆0＆0＆0＆0 \\ 0＆0＆\ mathrm {idf}（t_3）＆0 \\ 0＆0＆0＆0＆\ mathrm {idf}（t_4）\ neg {bmatrix} \\ = \ begin {bmatrix} \ mathrm {tf}（t_1，d_1）\ times \ mathrm {idf}（t_1）＆\ mathrm {tf}（t_2，d_1）\ times \ mathrm {idf}（t_2）＆\ mathrm {tf}（t_3，d_1）\ times \ mathrm {idf}（t_3）＆\ mathrm {tf}（t_4那D._1) \times \mathrm{idf}(t_4)\\ \mathrm{tf}(t_1, d_2) \times \mathrm{idf}(t_1) & \mathrm{tf}(t_2, d_2) \times \mathrm{idf}(t_2) & \mathrm{tf}(t_3, d_2) \times \mathrm{idf}(t_3) & \mathrm{tf}(t_4, d_2) \times \mathrm{idf}(t_4) \end{bmatrix}$

$M_ {tf \ mbox {-} idf} = M_ M_ {idf{火车}\倍 } = \\ \ 开始{bmatrix} 0 & 1 & 1 & 1 \ \ 0 & 2 & 1 & 0 \ {bmatrix}结束\ * \ {bmatrix}开始0.69314718 & 0 & 0 & 0 \ \ 0 & -0.40546511 & 0 & 0 \ \ 0 & 0 & -0.40546511 & 0 \ \ & 0 & 0 & 0 \ {bmatrix结束 } \\ = \ 开始{bmatrix} & -0.40546511 & -0.40546511 & 0 & -0.81093022 & \ \ 0-0.40546511 & 0 \end{bmatrix}$

$M_ {TF \ MBOX { - } IDF} = \压裂{M_ {TF \ MBOX { - } IDF}} {\ | M_ {TF \ MBOX { - } IDF} \ | _2}$ $= \ begin {bmatrix} 0＆-0.70710678＆0 \\ 0＆-0.89442719＆-0.4472136＆0 \ end {bmatrix}$

### Python练习

来自sklearn.feature_extraction.text导入countvectorizer train_set =（“天空是蓝色的。”，太阳很明亮。“）test_set =（”天空中的太阳很明亮。“，”我们可以看到闪亮的太阳，明亮的太阳。“）count_vectorizer = countvectorizer（）count_vectorizer.fit_transform（train_set）打印”词汇表：“，count_vectorizer.vocubulary #ocomabulary：{'blue'：0，'sun'：1，'亮'：2，'sky'，'sky'：3} freq_term_matrix = count_vectorizer.transform（test_set）print freq_term_matrix.todense（）＃[[0 1 1 1]＃[0 2 1 0]]

从进口sklearn.feature_extraction.text TFIDF TfidfTransformer = TfidfTransformer（NORM = “L2”）tfidf.fit（freq_term_matrix）打印 “IDF：”，tfidf.idf_＃IDF：[0.69314718 -0.40546511 -0.40546511 0]

Tf_idf_matrix = tfidf.transform(freq_term_matrix) print Tf_idf_matrix .todense() # [[0.]-0.70710678 - -0.70710678 0。[0。-0.89442719 - -0.4472136 0。]］

I really hope you liked the post, I tried to make it simple as possible even for people without the required mathematical background of linear algebra, etc. In the next Machine Learning post I’m expecting to show how you can use the tf-idf to calculate the cosine similarity.

Sklearn文本功能提取代码

### 更新

2015年3月13日-格式化，固定图像的问题。
2011年10月3日-添加了有关使用Python示例环境信息

## 103个想法“机器学习::文本特征提取（TF-IDF） - 第二部分”

1. Severcev. 说：

哇!
很好的tf-idf介绍，非常感谢!亚洲金博宝亚洲金博宝非常有趣，我一直想研究这个领域很长时间，你的帖子是一个真正的礼物。阅读更多关于该技术用例的亚洲金博宝内容将是非常有趣的。如果有其他的文本语料库表示方法，你可能会感兴趣。
（对不起英语不好，我正在努力改进它，但还有很多工作要做）

2. 出色的工作基督徒！我期待着阅读的文档分类你的下一个职位，聚类和主题提取朴素贝叶斯，随机梯度下降，Minibatch-K均值和非负矩阵分解

而且，scikit学习的文档上的文本特征提取部分（我是罪魁祸首？）真的很差。如果你想给一个手并改善目前的状况，不要犹豫，加入邮件列表。

1. 十分感谢奥利弗。我真的想帮助sklearn，我只是得到一些更多的时间来做到这一点，你们都做了伟大的工作，我真的在lib中已经实现的算法量折服，保持良好的工作！

3. 我喜欢这个教程的新概念我在这里学习水平较好。
也就是说，您使用的是哪个版本的scikits learn？。
Easy_Install安装的最新似乎有一个不同的模块层次结构（i.e在Sklearn中没有找到Feature_Extraction）。如果您可以提及您使用的版本，我将尝试使用这些示例。

1. 你好，阿南德，很高兴你喜欢。我在“Python实践”一节之前添加了关于环境使用的信息，我使用的是scikit。学习0.9(几周前发布)。

4. siamii 说：

第3部分在哪里？我必须在4天内提交关于矢量空间建模的作业。任何期待在周末放弃吗？

1. 我没有时间写，所以还没有日期出版

5. 说：

再次感谢这个完整和明确的教程，我正在等待即将到来的部分。

6. 吴志强 说：

谢谢基督徒！在传亚洲金博宝染媒介空间的一个非常好的工作与sklearn。我刚刚有一个问题，假设我已经计算了'tf_idf_matrix'，我想计算成对余弦相似度（每个行之间）。我有稀疏矩阵格式的问题，可以请举一个例子吗？我的矩阵也很大，比如25k乘60k。非常感谢！

7. 哈立德 说：

很棒的帖子......我明白TF-IDF以及如何用具体例子实现它。但我抓到了2件我不确定的东西：
1-你调用2维矩阵M_train，但它具有D3和D4文件的TF值，所以你应该已经给那矩阵M_test而不是M_train。由于D3和D4是我们的测试文档。
2-计算t2（即“太阳”）的idf值时，应为log（2/4）。因为文档的数量是2。D3有“太阳”一次，D4有两次。这使得它是3，但我们也给这个值加上1，以避免被0除的问题。这就是4…我是对的还是我遗漏了什么？
谢谢你。

1. 维多利亚 说：

你是正确的:这些都是非常优秀的博客文章，但是作者真的有义务/责任回去改正错误，比如下面的(或者其他的，比如第一部分;……):缺少训练是重中之重;设置stop_words参数;在我的电脑上，词汇索引也是不同的。

虽然我们非常感谢作者的努力，但对于那些纠结于原著中那些(未改正的)错误的人来说，这也是一种极大的伤害。

1. 维多利亚 说：

回复：我“你是正确的注释”（上），我应该补充：

“......还注意到康斯登Passot的评论（下同）关于分母：

'......我们使用的是，无论在任何给定文件中发生术语的次数，我们都使用的文件数量是术语的次数。在这种情况下，T2的IDF值中的分母确实是2 + 1（2个文件具有“SUN”，+1，以避免潜在的零分裂错误）。'“

2. Yeshwant 说：

哈立德，
这是对一个老问题的回答。亚洲金博宝但是，我还是想回应交流我从文章中理解的东西。
你的问题2:“当你计算t2 (sun)的idf值时，它应该是log(2/4)”
我的理解是:log term的分母应该是(该term出现的文档数量+ 1)，而不是该term出现的频率。术语“Sun”出现的文档数量是2 (D3中出现1次，D4中出现2次——总共在两个文档中出现3次。3为频次，2为文档数量)。因此分母是2 + 1 = 3。

8. arzu 说：

感谢...优良的帖子...

9. 杰克 说：

棒极了！
我有一些问题。从上个TF-IDF权重矩阵，我们怎么能拿到各自任期的重要性（例如，这是最重要的用语？）。我们如何使用这个矩阵对文件进行分类

10. Thanuj 说：

太感谢了。你以如此简单的方式解释了它。它真的很有用。再次感谢很多。

11. Thanuj 说：

我有同样的疑问，杰克（最后的评论）。从上个TF-IDF权重矩阵，我们怎么能拿到各自任期的重要性（例如，这是最重要的用语？）。我们如何利用这个矩阵来区分文档。

12. 丁丁 说：

我有个问题..
在TF-IDF操作之后，我们会获得一个值的Numpy数组。假设我们需要从数组中获取最高的50个值。我们怎样才能这样做？

1. ashwin sudhini 说：

F（IDF）的高值，表示特定载体（或文件）具有较高的局部强度和低全球实力，在这种情况下，你可以假设，在它的条款具有很高的重要性本地和不能忽视的。针对funtion（TF），其中只有长期重复大量的时间给予更多重视的那些，其中大部分时间是不正确的建模技术比较。

13. Vikram Bakhtiani 说：

嘿 ，
感谢名单FR d code..was的确非亚洲金博宝常有帮助！

1.对于文档聚类，在计算反向项频率后，shud i使用任何关联系数，如Jaccards系数，然后应用聚类算法，如k-means或shud i在计算反向项频率后直接将d k-means应用于文档向量？

2.如何对文档聚类进行计算文档向量的倒数术语频率如何？

由于一吨FR第四到来的答复！

14. @Khalid:你在1中指出的-也让我困惑了一分钟(M_train vs M_test)。不过，我认为你在第二点上是错误的，因为我们使用的实际上是某个术语出现的文档数量，而不管该术语在任何给定文档中出现的次数。在这种情况下，t2(“sun”)的idf值的分母确实是2+1(2个文档使用术语“sun”，+1以避免潜在的零除法错误)。

我喜欢阅读本系列的第三批呢！我特别想了解更多有关特征选择。是否有一个惯用的方式来获得最高的分数TF.IDF条款的排序列表？你将如何确定这些方面的整体？你将如何得到这是最负责高或低的余弦相似度（逐行）的条款？

谢谢你的精彩帖子!

1. 邦妮Varghese 说：

idf(t2)应该是log 2/4吗?

15. Matthys Meintjes 说：

优秀的文章和TD-IDF标准化的良好介绍。

您有一个非常明确和结构亚洲金博宝化的方式解释这些困难的概念。

谢谢

1. 感谢您的反馈Matthys，我很高兴你喜欢这个系列教程。

1. 帕纳 说：

亚洲金博宝非常好的和信息丰富的教程....请上传更多文档聚类过程相关的教程。

16. 劳伦 说：

优秀的文章！谢谢基督徒。你做的非常出色。

17. 加文·伊戈尔 说：

你能提供任何参考来使用tfidf做余弦相似度吗我们有tf-idf的矩阵我们如何使用它来计算余弦。谢谢你的精彩文章。

18. 薰衣草 说：

非常感谢您的讲解，也非常感谢您对tf-idf的全面解释。

1. 谢谢你的反馈，我很高兴你喜欢教程系列。

19. 请纠正我，如果我拨错
从“我们在第一个教程中计算过的频率”开始的公式:应该是Mtest而不是Mtrain。这些idf权值可以用向量表示为:"应该是idf_test而不是idf_train。

顺便说一句伟大的系列赛，你可以给如何实施分类的简单的方法？

20. 迪维亚 说：

很好，它真的帮助我理解了VSM和tf-idf的概念。由于基督教

21. 塞尔焦 说：

亚洲金博宝很好的帖子。恭喜！！

为了展示你的成果，我有一个问题:

我在维基百科读了：
TF-IDF值与文档中出现的单词的次数成比例地增加，但是由语料库中的单词频率偏移，这有助于控制某些词语通常比其他词通常更常见。

当我阅读它的时候，我明白了如果一个单词出现在所有文档中，那么它的重要性要低于只出现在一个文档中的单词:

然而，在结果中，“太阳”或“明亮”一词比“天空”最重要。

我不确定完全理解它。

22. 惊人的！解释了TF-IDF非常好。亚洲金博宝热切等待你的下一个职位。

23. 出色的工作，清晰的解释。即使外行也能很容易地理解这个主题。

1. 非常感谢你的反馈，拉胡尔!

24. 苏珊 说：

好极了!我以前熟悉tf-idf，但我发现你的scikits的例子很有帮助，因为我正试图学习那个包。

1. 我很高兴你喜欢苏珊，谢谢你的反馈！

25. 谢谢你写这样的详细帖子。我学习分配。

26. Eugene Chinveeraphan. 说：

棒极了！偶然发现这篇文章是为了寻找更多关于CountVectorizer的信息，但我很高兴我阅读了你们的两篇文章（第1部分和第2部分）。

现在为您的博客添加书签

1. 非常感谢您的反馈Eugene，我很高兴您喜欢辅导系列。

27. 说：

似乎不像你描述的fit_transform() ..
任何想法为什么？
>>> TS.
（'天空是蓝色'，'太阳很明亮'）
>>> v7 = CountVectorizer()
> > > v7.fit_transform (ts)
<2×2类型稀疏矩阵"
具有4个存储元素，坐标格式>
>>>打印v7.vocabulary_
{U'IS'：0，U'the'：1}

1. 说：

实际上，第一个Python样本中有两个小错误。
1.CountVectorizer应该像这样实例化:
count_vectorizer = countvectorizer（stop_words ='英语'）
这将确保删除“是”、“是”等。

2.要打印词汇表，必须在末尾添加下划线。
打印“词汇：”，count_vectorizer.vocabulary_

优秀的教程，只是小事情。hoep它可以帮助别人。

1. Drogo. 说：

谢谢灰烬。虽然这篇文章是自我解释的，但你的评论变得了整个差异。

28. 开尔文·约翰 说：

我喜欢你的文章。

29. 我使用scikit学习v 0.14。有什么原因，我的结果运行完全相同的代码会导致不同的结果？

30. karthik. 说：

感谢您花时间写这篇文章。发现它非常有用。亚洲金博宝

31. Vijay. 说：

其有用的…谢谢你explaining the TD_IDF very elaborately..

32. 麦克风 说：

谢谢你精彩的解释。

我有一个关于IDF（T＃）的计算问题。
在第一种情况下，你写idf(t1) = log(2/1)，因为我们的集合中没有这个项，因此，分母加1。现在，对于t2，你写的是log(2/3)为什么分母是3而不是4 (=1+2+1)对于t3，你写:log(2/3)，因此分母等于3(=1+1+1)。我看到这里有点不一致。你能解释一下，分母是怎么计算出来的吗?

谢谢

1. 你好迈克，谢谢你的反馈。你是对的，我刚刚没有修好它，尚未缺乏时间审查它并重新计算价值。

2. xpsycho 说：

您遇到了错误的是，在分母中，您没有在每个文档中将术语的总和放在每个文档中，只需总结至少一个术语“术语”的所有文件。

3. MIK 说：

是的，我也有同样的问题……

33. 哈瓦 说：

这篇文章不错

34. 哈瓦 说：

这是很好的，如果你能提供的方式来知道如何使用FT-IDF中的文档分类。我看到示例（Python代码），但如果有算法是最好的，因为没有所有的人都能理解这种语言。

谢谢

35. 加内什 说：

很棒的帖子，真的帮助我理解了tf-idf的概念!

36. 塞缪尔·卡恩 说：

好贴

37. 好的。解释有助于将事物置于视角。TF-IDF是群集的好方法（例如，使用Jaccard分析或差异与来自已知语料库的平均值）？

继续写：）

38. Neethu过犹不及 说：

嗨基督徒，

读了这篇文章，我感到非常亚洲金博宝兴奋和幸运。您理解的清晰反映在文档的清晰中。这让我在机器学习领域重拾信心。

由于一吨为美丽的解释。

想从你更多。

谢谢

1. 非常感谢您的善良尼德！我很高兴亚洲金博宝你喜欢教程系列。

39. esra'a好的 说：

非常感谢你，非常精彩亚洲金博宝和有用。

1. 谢谢你的反馈esra'a。

40. arne. 说：

谢谢你的好包。你提到了一些比较L1和L2规范的论文，我计划更深入地研究这一点。你还知道他们的名字吗？

41. seher 说：

如何计算我自己的文本文件的TF IDF，该文件位于我的电脑中的一些位置？

42. sh ub 说：

才华横溢的文章。

到目前为止，这是我读过的关于tf-tdf的最简单、最合理的解释。我很喜欢你解释背后的数学原理。

43. mehrab 说：

精湛的文章新手

1. 大雁岛 说：

优秀的材料。优秀！！！

44. 吊杆 说：

嗨，好帖子！我正在使用scikit中的TfidVectorizer模块学习生成范数为l2的tf idf矩阵。在对语料库进行fit_变换后，我一直在检查tfidf向量器的输出，我称之为tfidf_矩阵。我已经把这些行加了起来，但它们的总和不是1。代码为vect=TfidfVectorizer（使用_idf=True，sublunar_tf=True，norm=“l2”）。tfidf_矩阵=向量拟合_变换（数据）。当我运行tfidf_matrix.sum（轴=1）时，向量大于1。也许我看错了矩阵，或者我误解了标准化的工作原理。我希望有人能澄清这一点！谢谢

45. 克里斯 说：

请问你在计算IDF的时候，比如log(2/1)，你是用log以10 (e)为底还是用其他的值?我得到了不同的计算!

46. 贡萨洛·g ^ 说：

很好的教程，刚刚在ML中开始了一项新的工作，这非常清楚地解释了应该做的事情。亚洲金博宝

47. 哈西姆兰帕尔 说：

Execellent Post ...... !!!感谢本文的很多。

但是，我需要更多的信息，当你展示实际使用python，你可以为它提供JAVA语言..

48. 塞巴斯蒂安。 说：

我有点困惑，为什么TF-IDF在这种情况下，给出了负数？我们如何解读？纠正我，如果我错了，但是当载体为正值，这意味着该组件的大小确定字是该文件中有多么重要。如果是负数，我不知道如何解释它。如果我是采取向量的点积与所有积极的部件和一个负组件，这将意味着，一些部件可能负点积贡献，即使在载体有一个特定的词非常高的重视。亚洲金博宝

49. 你好,
非常感谢您对此主题的详细说明，真的很棒。无论如何，你能给我一个暗示我继续看到的错误的源泉：

频率项矩阵=计数向量器.变换（测试集）
AttributeError: ' matrix ' object has no attribute ' transform '

我使用sklearn的版本错误？

50. Mohit Gupta. 说：

谢谢

51. 跑步 说：

谢谢克里斯，你是网络上唯一一个关于对角线矩阵的网络。

52. ishpreet 说：

伟大的教程TF-IDF。优秀作品 。请添加对余弦相似性也:)

53. sherlockatsz 说：

我明白了TF-IDF计算过程。但该矩阵是什么意思，我们如何使用TFIDF矩阵来计算相似性让我感到困惑。你能解释一下，我们如何使用TFIDF矩阵.thanks

54. 闪电 说：

THX为你的露骨和详细的解释。

55. 匿名的 说：

谢谢，好贴，我想它了

56. 匿名的 说：

非常感谢你这么惊人的详细解释！

57. 名叫Akanksha潘德 说：

最好的解释..非常有帮助。亚洲金博宝你能告诉我如何在SVM中的文本分类中绘制矢量。我正在研究推文分类。我很困惑，请帮帮我。

58. koushik 说：

我学到了很多东西。由于基督徒。期待你的下一个教程。

59. MHR. 说：

嗨，我很抱歉，如果我弄错了，但我无法理解如何|| vd4 || 2 = 1。
d4的值=（0.0,0.89,0.44,0.0），因此标准化将是=sqrt（平方（.89）+平方（.44））=sqrt（.193）=.44
所以我有没有遗漏了什么？请帮我明白了。

60. 李翠青 说：

嗨，这是一个伟大的博客！
如果我需要做双克的情况下，我该如何使用sklearn来完成呢？

61. Alireza. 说：

它非常伟大。亚洲金博宝我喜欢你的教导。亚洲金博宝非常非常棒

62. ritesh. 说：

当我执行相同的脚本时，我没有得到同样的结果。
print (" IDF: "， tfidf.idf_): IDF: [2.09861229 1. print (" IDF: "， tfidf.idf_);1.40546511 - 1。］

我的Python版本：3.5
Scikit学习版本为：o.18.1

我需要改变什么?可能的错误是什么?

谢谢，

1. 可能有很多原因，因为你使用的是不同的Python解释器版本和不同的Scikit-Learn版本，你应该会看到结果的不同，因为它们可能改变了默认参数、算法、舍入等。

1. Ravithej Chikkala 说：

我也越来越：IDF：2.09861229 1 1.40546511 1]

63. 维克多 说：

完美的介绍！
没有的变戏法。清晰而简单，就像技术应该的那样。
亚洲金博宝很有帮助
非常感谢。亚洲金博宝
张贴！

64. 希特什南卡尼 说：

为什么| D |= 2，在IDF方程中。不应该是4以来| D |表示所考虑的文件数，我们有2个测试，2来自火车。

65. 黎文禅师 说：

这篇文章很有趣。我喜欢这篇文章......

66. 布伦 说：

清除切割和点解释......。格雷特

67. Shipika Singh. 说：

嗨，克里斯汀
你的帖子对我从基础上理解tfd-idf很有帮助。我正在做一个分类项目，我使用向量空间模型，这将决定我的测试文档应该出现的类别。这是机器学习的一部分。如果你能给我一些相关的建议就太好了。我在这一点上卡住了。
谢谢你

68. Eshwar S G 说：

请参阅此示例，了解如何将其用于文本分类过程。“此”链接不再起作用。你能为这个例子提供一个相关的链接吗。

谢谢

69. 阿曼达 说：

这样一个伟大的解释!谢谢!

70. 另类投资 说：

哇,太棒了。再次感谢。会读

71. Android应用下载PC 说：

嘿，你有个不错的职位。真的谢谢你!太棒了。

72. togel在线 说：

哇，伟大的文章Post.Much再次感谢。惊人的。

73. 移动计算机 说：

当然有很大的了解这个问题。我真的很喜欢所有的点，你做。

74. chocopie 说：

1vbxlh你已经提出了一个非常精彩的细节，欣赏它的帖子。亚洲金博宝

75. 我知道这个网站提供基于高质量的文章或
评论和其他数据，还有没有其他的网页呈现这类
信息的质量?

76. Rousse 说：

在第一个例子中。IDF（T1），计算器的日志（2/1）= 0.3010。为什么他们获得0.69 ..请问错误吗？