Python TfidfVectorizer 参数详解：提升文本特征提取效率

TfidfVectorizer 是一个用于将文本集合转换为 TF-IDF 特征向量的类。下面是 TfidfVectorizer 的一些常见参数：

• 'stop_words'：指定要从文本中删除的停用词列表。默认为 None，即不删除停用词。
• 'lowercase'：指定是否将文本转换为小写。默认为 True。
• 'ngram_range'：指定要提取的 n-gram 范围。默认为 (1, 1)，表示只提取单个词。可以设置为 (1, 2) 表示提取单个词和二元组。
• 'max_df'：指定文档频率的阈值，超过该阈值的词将被忽略。默认为 1.0，即忽略所有出现在所有文档中的词。
• 'min_df'：指定文档频率的阈值，低于该阈值的词将被忽略。默认为 1，即只考虑在至少一个文档中出现的词。
• 'max_features'：指定要提取的最大特征数。默认为 None，即提取所有特征。可以设置为整数值，表示只提取前 n 个特征。