CountVectorizer和TfidfVectorizer的基础（1）

CountVectorizer：
只考虑词汇在文本中出现的频率

TfidfVectorizer：
除了考量某词汇在文本出现的频率，还关注包含这个词汇的所有文本的数量
能够削减高频没有意义的词汇出现带来的影响, 挖掘更有意义的特征

无论之前是否进行过停用词处理，TfidfVectorizer的效果都要更好点

TfidfVectorizer参数基本理解：
max_df 和 min_df 如果是float型，则意味着概率限制，即【0，1】。如果是int型，则意味着文本数量，如 min_df = 2，如果出现在不同文本的次数小于2（只有一个文本有这个词，就筛选掉），以牺牲部分区分度，获得向量空间的有效利用，很多文章不讲这些基础问题，直接就应用，对于初学者来说，除了这部分外，其余的部分参考文章都有。

文章参考：
链接: https://blog.csdn.net/a7303349/article/details/126575663
链接: https://blog.csdn.net/weixin_46359803/article/details/124188977
链接: https://zhuanlan.zhihu.com/p/40510749
链接: https://www.knowledgedict.com/tutorial/sklearn-tfidfvectorizer-parameters-and-attributes.html
链接: https://blog.csdn.net/weixin_41745696/article/details/97027118
链接: https://www.cnblogs.com/Lin-Yi/p/8974108.html
链接: https://blog.csdn.net/qq_44186838/article/details/118425070