基于TFIDF实现文本分类，并比较词集模型与词袋模型的分类效果

【方法原理】 TF-IDF是一种统计方法，用以评估某一字词对于一个文件集或一个语料库的重要程度。字词的重要性随着它在文件中出现的次数成正比增长，但同时会随着它在语料库中出现的频率成反比降低。TF-IDF加权的各类形式常被搜索引擎应用，做为文件与用户查询之间相关程度的度量或评级。 TF-IDF的主要思想是，若是某个词或短语在一篇文章中出现的频率TF(Term Frequency，词频)，词频高，而且

>>阅读原文<<