Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
fe4ml-zh
提交
5497d5e4
F
fe4ml-zh
项目概览
OpenDocCN
/
fe4ml-zh
通知
5
Star
1
Fork
2
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
F
fe4ml-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
未验证
提交
5497d5e4
编写于
6月 01, 2018
作者:
G
gin
提交者:
GitHub
6月 01, 2018
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
Update 4.特征缩放的效果.md
上级
04c2fe23
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
3 addition
and
4 deletion
+3
-4
docs/4.特征缩放的效果.md
docs/4.特征缩放的效果.md
+3
-4
未找到文件。
docs/4.特征缩放的效果.md
浏览文件 @
5497d5e4
...
...
@@ -9,16 +9,15 @@
Tf-Idf 是词袋的一个小小的转折。它表示词频-逆文档频。tf-idf不是查看每个文档中每个单词的原始计数,而是查看每个单词计数除以出现该单词的文档数量的标准化计数。
$$ bow(w, d)=
\#
times word w appears in document d $$
$$ tf-idf(w, d) =
\f
rac{bow(w, d)
\t
imes N}{(
\#
documents in which word w appears)} $$
![](
../images/chapter4/latex1.png
)
N代表数据集中所有文档的数量。分数
$
\f
rac{bow(w, d)
\t
imes N}{(
\#
documents in which word w appears)}$
就是所谓的逆文件频率。如果一个单词出现在许多文档中,则其逆文档频率接近1。如果单词出现在较少文档中,则逆文档频率要高得多。
N代表数据集中所有文档的数量。分数
!
[](
../images/chapter4/latex2.png
)
就是所谓的逆文件频率。如果一个单词出现在许多文档中,则其逆文档频率接近1。如果单词出现在较少文档中,则逆文档频率要高得多。
或者,我们可以对原始逆文档频率进行对数转换,可以将1变为0,并使得较大的数字(比1大得多)变小。(稍后更多内容)
如果我们定义 tf-idf 为:
$$ tf-idf(w, d) = bow(w, d)
\t
imes log
\f
rac{N}{
\#
documents in which word w appears} $$
![](
../images/chapter4/latex3.png
)
那么每个文档中出现的单词都将被有效清零,并且只出现在少数文档中的单词的计数将比以前更大。
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录