我正在使用 scikit 的 tfidf 向量化一些文本数据。通过 documentation我读到您可以将 idf 和规范化设置为 False 以获得 0/1 输出(二进制特征向量?)。所以我尝试了以下方法:
tfidf_vect= TfidfVectorizer(use_idf=False,
smooth_idf=True,
sublinear_tf=False,
ngram_range=(2,2),
norm=False)
有了这个特征向量将是二进制的?另一方面在documentation还有另一个模块可以完成这项任务,预处理。知道如何解决这个问题吗?
最佳答案
TfidfVectorizer
接受一个名为 binary
的参数:
tfidf_vect= TfidfVectorizer(use_idf=False,binary=True, norm=False, ngram_range=(2, 2))
这将使特征二进制化
关于python - 如何使用 scikit learn 对文本数据进行二值化?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/28404352/