文本型数据特征化（特征提取）

如果样本本身就是数字型的，那么样本本身就可以作为特征用于训练我们的模型，那么如果样本本身是文字型样本，如做文本分析等机器学习工作时，该如何提取特征？ 1. 词集模型 单词构成的集合，集合中每个元素都只有一个。 2. 词袋模型 统计文本中出现的单词，与其出现次数。 使用sklearn实现的词袋模型示例如下： 3. TF-IDF模型（term frequency–inverse document fr

>>阅读原文<<