关于python：CountVectorizer输出用作TfidfTransformer输入与TfidfTransformer()

CountVectorizer output that serves as TfidfTransformer input vs. TfidfTransformer()

最近，我开始阅读有关NLP的更多信息，并开始阅读Python后续教程，以了解有关该主题的更多信息。在阅读其中一本教程时，我观察到它们在每个推文(使用CountVectorizer创建)中都使用了稀疏的单词计数矩阵作为TfidfTransformer的输入，后者处理数据并将其馈送到分类器以进行训练和预测。

1
2
3
4
5

pipeline = Pipeline([
('vect', CountVectorizer()),
('tfidf', TfidfTransformer()),
('clf', LogisticRegression())
])

由于未提供任何解释，所以我无法理解其背后的思考过程...这不只是一个普通的单词袋吗？不能仅使用其中一个功能(例如Tfidf)来完成此操作吗？

任何澄清将不胜感激。