CountVectorizer的参数和用法

CountVectorizer是scikit-learn中用于将文本转换为数字向量的工具。它将文本中的单词转换为数字，并计算它们在文本中的出现频率。以下是CountVectorizer的参数和用法：

参数：

1. stop_words：指定要忽略的停用词列表，例如“a”，“an”，“the”。

2. tokenizer：指定要使用的分词器，例如nltk.tokenize.word_tokenize。

3. ngram_range：指定要考虑的n-gram的范围。例如，ngram_range =（1，2）将考虑单个单词和相邻的单词对。

4. max_features：指定要考虑的最大特征数。例如，max_features = 1000将考虑最常见的1000个单词。

5. lowercase：指定是否将文本转换为小写。

用法：

1. 导入CountVectorizer：from sklearn.feature_extraction.text import CountVectorizer

2. 创建CountVectorizer对象：cv = CountVectorizer()

3. 使用fit_transform方法将文本转换为数字向量：X = cv.fit_transform(text)

4. 可以使用get_feature_names方法获取单词列表：words = cv.get_feature_names()

5. 可以使用toarray方法将稀疏矩阵转换为数组：X = X.toarray()