文本特征提取

文本中 单词，句子，短语，字母 什么作为特征值比较好 单词

先来第一个API

data = ["life is short,i like like python", "life is too long,i dislike python"]
# 1、实例化一个转换器类
transfer = CountVectorizer(stop_words=["is", "too"])

# 2、调用fit_transform
data_new = transfer.fit_transform(data)
print("data_new:\n", data_new.toarray())
print("特征名字：\n", transfer.get_feature_names())

我们来查看结果

首先它会把所有的单词都放到一个列表里面（但是i没有放进来，因为i作为情感分析的作用不大，所有会自动忽略

这里我们可以发现，文本特征提取时获取的特征值实际上就是每个单词出现的次数

中文特征值抽取

data = ["我爱北京天安门", "天安门上太阳升"]
# 1、实例化一个转换器类
transfer = CountVectorizer()

# 2、调用fit_transform
data_new = transfer.fit_transform(data)
print("data_new:\n", data_new.toarray())
print("特征名字：\n", transfer.get_feature_names())

但是这样不行，我们需要自己手动隔开

像这样

data = ["我 爱 北京 天安门", "天安门 上 太阳升"]

显示结果（不过这里会自动去掉单个词）