TF-IDF学习

我们使用词在文本中出现的次数作为特征值，这个特征值我们也称为词权重。除了使用次数，一般还有三种方法：

1.Bool 表示：即词在文本中出现过则记为 1，没出现则记为 0，忽略了词出现的次数。

2. 词频（Term Frequency）：就是词在文本中出现的次数 TF

3. TF-IDF

TF-IDF算法

TF（term frequency）：词频，某个词在文档中出现的次数，TF 越 大一般来说越重要

DF（document frequency）：文档频率，某个词在所有文档中出现 的文档数，DF 越大表示这个词越有可能是常用词，自然也越不重要

IDF（inverse document frequency）：逆文档频率，它是 DF 的 倒数，IDF 越大表示该词越少见，也越重要

TF-IDF ：TF * IDF，综合了 TF 和 IDF 两个因素来平衡词的重要性