Skip to main content
 首页 » 编程设计

python之如何使用 scikit learn 对文本数据进行二值化

2025年05月04日8dyllove98

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?

请您参考如下方法:

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