我正在阅读有关scikit-learn的TfidfVectorizer实现的信息，我不明白该方法的输出是什么，例如：

输出：

什么是？(例如：u'me'：8)：

这是矩阵还是矢量？，我不明白输出是什么：

有人能详细解释这些输出吗？

谢谢！

TfidfVectorizer-将文本转换为可以用作估计器输入的特征向量。

vocabulary_是将每个标记(单词)转换为矩阵中特征索引的词典，每个唯一标记都获得一个特征索引。

What is?(e.g.: u'me': 8 )

它告诉您令牌" me"在输出矩阵中表示为功能部件号8。

is this a matrix or just a vector?

每个句子是一个向量，您输入的句子是具有3个向量的矩阵。
在每个向量中，数字(权重)代表特征tf-idf得分。
例如：
'julie'：4->告诉您在每句话'Julie'出现时，您将具有非零(tf-idf)权重。如您在第二向量中所见：

[0. 0.68091856 0. 0. 0.51785612 0.51785612
0. 0. 0. 0. 0.]

第五元素得分为0.51785612-'朱莉'的tf-idf得分。
有关Tf-Idf评分的更多信息，请阅读此处：http://en.wikipedia.org/wiki/Tf%E2%80%93idf

因此，tf-idf从整个文档集中创建了一套自己的词汇表。在输出的第一行中可以看到。 (为了更好的理解，我对其进行了排序)

并且当文档被解析以获取其tf-idf时。文献：

He watches basketball and baseball

及其输出，

[0.57735027 0.57735027 0.57735027 0. 0. 0. 0。
0. 0. 0. 0.]

等价于

[baseball basketball he jane julie likes linda loves me more than]

由于我们的文档中只有这些词：棒球，篮球，他，是从词汇上创造出来的。文档向量输出仅在相同的分类词汇位置中对这三个单词具有tf-idf值。

tf-idf用于分类文档，在搜索引擎中排名。 tf：词频(从其自身词汇中出现在文档中的单词数)，idf：逆文档频率(单词在每个文档中的重要性)。

该方法解决了一个事实，即不应该对所有单词进行平均加权，而是使用权重来表示文档中最独特的单词，并最适合用来表征它。