scikit-learn 中的 CountVectorizer 和 CharNGramAnalyzer 有什么区别？
What is the difference between CountVectorizer and CharNGramAnalyzer in scikit-learn?
我对 CountVectorizer 和 CharNGramAnalyzer 感到困惑。据我了解，
- CountVectorizer 构建一个计数矩阵，其中行是考虑到高维稀疏性的不同单词的出现次数。
- CharNGramAnalyzer 构建一个计数矩阵，其中行是不同字符的出现次数。由于它不考虑单词，因此不需要知道单词之间的分隔，并且适用于英语以外的语言。
我的理解正确吗？如果没有，我想要详细的解释或任何解释它的来源。
首先，检查你的sklearn版本。我觉得你使用的是旧版本的 sklearn。您对 CountVectorizer 的解释不正确。它没有统计语料库中不同词的数量，至少当前版本没有。
根据 docs of CountVectorizer, you need to pass analyzer='word' to make the word count. In the latest version of sklearn, CharNGramAnalyzer is deprecated and now merged with CountVectorizer. Just do analyzer='char' to replicate CharNGramAnalyzer. To verify this check http://scikit-learn.org/stable/modules/classes.html#module-sklearn.feature_extraction.text CharNGramAnalyzer
没有条目
我对 CountVectorizer 和 CharNGramAnalyzer 感到困惑。据我了解，
- CountVectorizer 构建一个计数矩阵，其中行是考虑到高维稀疏性的不同单词的出现次数。
- CharNGramAnalyzer 构建一个计数矩阵，其中行是不同字符的出现次数。由于它不考虑单词，因此不需要知道单词之间的分隔，并且适用于英语以外的语言。
我的理解正确吗？如果没有，我想要详细的解释或任何解释它的来源。
首先，检查你的sklearn版本。我觉得你使用的是旧版本的 sklearn。您对 CountVectorizer 的解释不正确。它没有统计语料库中不同词的数量，至少当前版本没有。
根据 docs of CountVectorizer, you need to pass analyzer='word' to make the word count. In the latest version of sklearn, CharNGramAnalyzer is deprecated and now merged with CountVectorizer. Just do analyzer='char' to replicate CharNGramAnalyzer. To verify this check http://scikit-learn.org/stable/modules/classes.html#module-sklearn.feature_extraction.text CharNGramAnalyzer