python - 如何使用 scikit learn 对文本数据进行二值化？

Question

我正在使用 scikit 的 tfidf 向量化一些文本数据。通过 documentation我读到您可以将 idf 和规范化设置为 False 以获得 0/1 输出(二进制特征向量？)。所以我尝试了以下方法:

tfidf_vect= TfidfVectorizer(use_idf=False,
                            smooth_idf=True,
                            sublinear_tf=False,
                            ngram_range=(2,2),
                            norm=False)

有了这个特征向量将是二进制的？另一方面在documentation还有另一个模块可以完成这项任务，预处理。知道如何解决这个问题吗？

Answer 1

TfidfVectorizer 接受一个名为 binary 的参数:

tfidf_vect= TfidfVectorizer(use_idf=False,binary=True, norm=False, ngram_range=(2, 2))

这将使特征二进制化