知识卡片
词袋模型
词袋模型把文本表示为数值特征向量:①在整个文档集上为每个词汇(如单词)建唯一标记;②为每个文档建向量,元素是各词在该文档出现次数。因每文档只含词袋中很小子集,向量多数元素为零,故称稀疏(sparse)。它是把文本/单词等分类数据转为数值格式以供机器学习使用的方法。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 使用机器学习进行情感分析 · 查看原书依据
由于每个文档中出现的单词数量只是整个词袋中单词总量很小的一个子集,因此特征向量中的大多数元素为零,这也是我们称之为稀疏(sparse)的
参考来源
- 位置:《Python机器学习》第8章《8.2 词袋模型简介》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/part0107.xhtml.xhtml)
- 结论依据:原文直接支撑上述要点。
- 原始内容:由于每个文档中出现的单词数量只是整个词袋中单词总量很小的一个子集,因此特征向量中的大多数元素为零,这也是我们称之为稀疏(sparse)的