?

TFIDF實(shí)際上是：TF * IDF，TF詞頻(Term Frequency)，IDF逆向文件頻率(Inverse Document Frequency)。TF表示詞條在文檔d中出現(xiàn)的頻率。IDF的主要思想是：如果包含詞條t的文檔越少，也就是n越小，IDF越大，則說明詞條t具有很好的類別區(qū)分能力。

?

TFIDF的主要思想是：如果某個(gè)詞或短語在一篇文章中出現(xiàn)的頻率TF高，并且在其他文章中很少出現(xiàn)，則認(rèn)為此詞或者短語具有很好的類別區(qū)分能力，適合用來分類。

TF是指在一個(gè)文檔中出現(xiàn)的詞的頻率，詞的次數(shù)初一所有的詞數(shù)　

? 而IDF是所有的文檔中出現(xiàn)該詞的次數(shù)越多，則權(quán)重就越小。。逆向文件頻率（inverse document frequency，IDF）是一個(gè)詞語普遍重要性的度量。某一特定詞語的IDF，可以由總文件數(shù)目除以包含該詞語之文件的數(shù)目，再將得到的商取對(duì)數(shù)得到：

最后的相關(guān)性的計(jì)算

，上述相關(guān)性計(jì)算的公式就由詞頻的簡單求和變成了加權(quán)求和，即 TF1*IDF1 +　TF2*IDF2 +... + TFN*IDFN。。

?

轉(zhuǎn)載于:https://www.cnblogs.com/fxd-address/p/5022140.html

總結(jié)

以上是生活随笔為你收集整理的特征权重量化 TF-IDF 用于信息检索和数据挖掘的加权技术的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。