回答情况：
提问时间：
问题标签：
在对亚马逊精品食品数据集进行采样到100k数据点后，使用TFIDF Word2Vec在审查亚马逊精品食品数据集时给出NaN值，我在句子向量中获得了NaN值...我尝试了几乎所有的代码，但没有得到真正的价值= TfidfVectorizer(ngram_range=(1,2), analyzer='word')tfidf_feat = tfi
浏览 1修改于2018-07-28得票数 0
1回答
当我尝试将标记化的数据作为TFIDF向量器的输入时，我得到的是AttributeError：'list‘对象没有'lower’属性。请帮我改掉这个错误。
浏览 0修改于2020-01-22得票数 1
2回答
代码： for word in documentList[documentNumber].split(None):
words[word] = tfidf
浏览 0修改于2016-01-24得票数 9
回答已采纳
1回答
我的目标是使用TFIDF加权方案，将文本txt与语料库中的每一项进行比较。以下是我的实现：import collectionsCountercorpus2=[Counter(x.split()) for x in
浏览 2修改于2016-01-24得票数 0
回答已采纳
1回答
我正在尝试使用TFIDF和SVM对某些文件进行文本分类。这些特征一次选择3个单词。我的数据文件已经是这样的格式: angel eyes，每个文件都有自己的格式。没有停止的单词，也不能做词干或词干。= tfidf_vect.fit_transform(z)
svm_classifier = LinearSVC().fit(X_train_tfidf, y_train)
不幸的是，我在“X_train_tfidf = tfid
浏览 0修改于2016-01-24得票数 4
回答已采纳
1回答
我是第一次接触NLP，请澄清一下TFIDF值是如何使用fit_transform转换的。1.91629073TFID = TF * IDF
浏览 0修改于2019-03-03得票数 1
我正在尝试对一组文档(作为文本文件)执行TFIDF，使用mahout to do to calculations，遵循。
我已经成功地创建了字典和向量权重，现在正在尝试访问输出。
浏览 2修改于2012-03-14得票数 2
回答已采纳
2回答
我正在实现一个分类工具，并尝试了不同的TF版本:两个对数(对数调用内部/外部的校正)，归一化，增强，和对数平均。显然，我的分类器精度受这些因素的影响有很大的不同--高达5%。然而，奇怪的是，我不能提前说出哪一个在给定的数据集上表现更好。我想知道是否有一些我遗漏的工作，或者，也许有人可以分享使用这些工作的经验？
浏览 0提问于2013-02-11得票数 3
回答已采纳
2回答
一种方法是使用tfidf提取每个文档的重要单词，然后生成如下所示的csv文件： document, ngram1, ngram2, ngram3, ..., label
1, 0.0, 0.0, 0.0
浏览 30提问于2021-02-08得票数 0
我正在使用CNN进行假新闻检测，我对在keras和tensorflow中编码CNN是个新手。我需要关于创建CNN的帮助，该CNN将输入作为语句的形式，每个向量的长度为100，输出0或1取决于其预测值为false或true。 X_train.shapeX_train.shapeimport tensorflow as tf
# C
浏览 21提问于2020-06-20得票数 1
回答已采纳
from sklearn.feature_extraction.text import TfidfVectorizer
tfidf = TfidfVectorizer().fit_transform(documents)print pairwise_similarity.A File "C:\Users\tasos\Desktop\my
浏览 0修改于2013-08-26得票数 7
回答已采纳
我知道tfidf vectorizer的公式是我看到了在scikit学习中存在着tfidf转换器，我只想区别它们。
浏览 0修改于2019-02-18得票数 6
回答已采纳
我已经存储了所有文档的tfidf矩阵，现在我需要一个特定文档的前n个单词？我不知道怎么弄到它？import globimport mathcorpus = []
tf = TfidfVectorizer(analyzer='word', ngram_range=(1,1), min_df = 0, stop_words = &#x
浏览 0修改于2017-06-09得票数 2
回答已采纳
我试着用tfidf来准备我的数据，但是我也有同样的错误。random_state=42)
t_x_train = tfidf.fit_transform(X_train)
t_x_test = <e
浏览 8提问于2022-03-30得票数 0
回答已采纳
max_length <- 50 max_tokens = num_words,text_vectorization <- layer_text_vectorization( output_mode = "tfidf"
) 虽然它在输出模式"count“、&quo
浏览 11提问于2020-07-19得票数 0
2回答
我计算了TFIdf(词频，反向文档频率)，并且我已经看到，在这一步之后，有必要使用诸如LSI、chi -square test等方法来降低矩阵的维数。我不知道如何在java中实现用于矩阵TFIDF降维的卡方测试，如果有一些库可以做这件事，或者有教程解释我如何做这件事，请告诉我
浏览 0修改于2016-01-24得票数 4
回答已采纳
有没有什么方法可以让我用TfIdf做类似的事情？如果我能定义一个与文档的“日期”成比例的权重，那就更好了。
我在考虑对文档的相对日期应用某种缓慢衰减的指数函数，并将其乘以相似度的最终余弦分数。
浏览 0提问于2016-10-27得票数 0
我已经构建了一个TfidfVectorizer，并将其与我的数据集相匹配tfidf.fit(documents)
我现在想在多线程中执行tfidf.transform()。
浏览 9提问于2018-01-24得票数 0
回答已采纳
3 is on mach learn as well""Projects related to machine learning"现在使用sklearn，我们找到了d1的tfidffrom sklearn.feature_extraction.text import TfidfVectorizertfidf_matrix= tfidf_vectorizer.fit_transform(doc
浏览 2提问于2019-08-20得票数 3
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号