![](https://cdn-ak-scissors.b.st-hatena.com/image/square/cbc1f0f7d57c0fbd7dc87d81bc07542c36a83eff/height=288;version=1;width=512/https%3A%2F%2Fcdn.qiita.com%2Fassets%2Fqiita-fb-2887e7b4aad86fd8c25cea84846f2236.png)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
Python で テキストデータ から TFIDF特徴ベクトル を 生成する 4つの方法 まとめ - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
Python で テキストデータ から TFIDF特徴ベクトル を 生成する 4つの方法 まとめ - Qiita
方法1 sklearn.feature_extraction.text の TfidfVectorizer クラス を 使うやり方 ( 参考 ) オライ... 方法1 sklearn.feature_extraction.text の TfidfVectorizer クラス を 使うやり方 ( 参考 ) オライリー本『実践 機械学習システム』p.48 ( 以下、上記 オライリー本 所収のコード を 参考にしました ) from sklearn.feature_extraction.text import CountVectorizer vectorizer = CountVectorizer(min_df=1) text_owakati_list = [”週明け 日経平均株価 後場 大幅な 上昇 記録 市場関係者 先週 金曜日 FRB FOMC 声明 発表 好感”, ”大相撲 千秋楽 勝越丸 今場所 初めて 土 一敗”] X = vectorizer.fit_transform(text_owakati_list) vectorizer.get_