CountVectorizer 文本向量化工具详解：参数、用法及案例

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()