算法----TF-IDF（加权）

TF-IDF有两层意思，一层是"词频"（Term Frequency，缩写为TF），另一层是"逆文档频率"（Inverse Document Frequency，缩写为IDF）是一种用于信息检索与数据挖掘的常用加权技术，常用于挖掘文章中的关键词。

TF=（某词在文档中出现的次数/文档的总词量）

IDF=loge（文档总数/包含该词的文档数+1)

一、TF-IDF算法步骤

算法过程：先计算出文档中每个词的TF-IDF值，然后按降序排列，取排在最前面的几个词作为关键词进行输出。

1. 计算词频：

2. 计算逆文档频率：

(包含某词语的文档越少，IDF值越大，说明该词语具有很强的区分能力)

3.TF-IDF值（权重）：

 

二、实例：

为了讲解文本数据的向量化，假设我们有4个文本，所有文本一共有6个不同的词，如下所示。