CountVectorizer的参数

CountVectorizer的主要参数包括：

1. input: 输入的数据，可以是字符串列表或文件路径。
2. encoding: 输入数据的编码格式，默认为'utf-8'。
3. decode_error: 在解码错误时的处理方式，默认为'strict'，可选值包括'ignore'和'replace'。
4. strip_accents: 是否去除重音符号，默认为None，可选值包括'ascii'、'unicode'和None。
5. lowercase: 是否将文本转换为小写，默认为True。
6. preprocessor: 预处理函数，默认为None。
7. tokenizer: 分词函数，默认为None。
8. stop_words: 停用词列表或字符串，默认为None，可选值包择'english'。
9. token_pattern: 分词的正则表达式，默认为r"(?u)\b\w\w+\b"。
10. ngram_range: 分词的n-gram范围，默认为(1, 1)，表示只考虑单个词。
11. analyzer: 分词的方法，默认为'word'，可选值包括'word'和'char'。
12. max_df: 词频的最大阈值，超过该阈值的词将被忽略，默认为1.0。
13. min_df: 词频的最小阈值，低于该阈值的词将被忽略，默认为1。
14. max_features: 词频计算的特征数，默认为None，表示保留所有特征。
15. vocabulary: 自定义的词汇表，用于词频计算，默认为None。
16. binary: 是否将词频转换为二进制特征，默认为False。
17. dtype: 特征类型，默认为float64。

这些参数可以根据具体的文本数据和需求进行调整，以获得更好的特征表示