ngram_range在像CountVectorizer和TF-IDF Vectorizer这样的向量化器中有什么用呢？我的意思是ngram_range(1,1)是用于unigram。那么ngram_range(1,2)和(2,2)又代表什么呢？
1个回答
17
ngram_range(1, 2) 表示提取 unigrams 和 bigrams，(2, 2) 表示只提取 bigrams。
您不认为 docstring 已经足够精确了吗：
n-gram 范围的下限和上限，用于提取不同 n-gram。将使用 min_n <= n <= max_n 的所有 n 值。
您会如何更改 docstring 以使其更有帮助？
- Andreas Mueller
2
8虽然留言比较晚，但是Andreas在这里的第一句话提供了一个很好的例子，可以帮助新手快速学习。因此，如果将这样一个例子添加到文档字符串中，会使新手的生活变得更加轻松愉快。谢谢。 - salvu
你的回答真的帮助我理解了ngram_range()的概念；这个回答确实详尽地阐述了所有细节，赞！ - Sumax
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接
- 相关问题
- 7 TF-IDF向量化器和TF-IDF转换器之间有什么区别？
- 5 使用Scikit Learn中的TF-IDF向量化器，从计数数据框开始。
- 8 spaCy 和 scikit-learn 向量化器
- 6 为什么sklearn的tf-idf向量化器会给停用词最高的分数？
- 20 使用scikit-learn向量化器和词汇表与gensim一起
- 3 如何减少Scikit-Learn向量化器的内存使用？
- 6 哈希向量化器和计数向量化器有什么区别？它们应该在什么情况下使用？
- 3 Scikit-learn中的tfidf向量化器是否支持小批量处理？
- 7 TF-IDF向量化器用于提取ngram
- 3 如何创建一个适用于tf-idf向量化器的scikit管道？