首先TF-IDF 全稱：term frequency–inverse document frequency，是一種用於資訊檢索與資料探勘的常用加權技術。

TF是詞頻(Term Frequency)，IDF是逆文字頻率指數(Inverse Document Frequency)。

上面是百度的結果

我的理解就是用來篩選特徵的，看看那些詞用來當特徵比較好。

詞頻（TF）：就是一個詞在一個文本里出現的次數除以文字詞數。（文字內詞出現次數 /文字內詞總數）

逆文字頻率指數（IDF）：就是總文字數除以包含這個詞的文字數的10的對數，有點饒哈哈。lg(總文字數/包含這個詞的文字數）

TF-IDF = TF*IDF

先看下呼叫的：

# CountVectorizer會將文字中的詞語轉換為詞頻矩陣
vectorizer = CountVectorizer(max_features=1200, min_df=12)

# TfidfTransformer用於統計vectorizer中每個詞語的TF-IDF值
tf_idf_transformer = TfidfTransformer()

# vectorizer.fit_transform()計算每個詞出現的次數
# tf_idf_transformer.fit_transform將詞頻矩陣統計成TF-IDF值
tf_idf = tf_idf_transformer.fit_transform(vectorizer.fit_transform(train_features['features'].values.astype('U'))) # .values.astype('U')
 

x_train_weight = tf_idf.toarray()  # 訓練集TF-IDF權重矩陣

然後是我手寫的：
引數格式是，[詞1 詞2 詞3，詞1 詞2 詞3，詞1 詞2 詞3]
一個字串列表，詞與詞間用空格隔開。

 print("-"*5+"構建tf-idf權重矩陣中"+"-"*5)
 def get_tf_idf(list_words):
     # 構建詞典
     wordSet = list(set(" ".join(list_words).split()))

     # 統計詞數
     def count_(words):
         wordDict = dict.fromkeys(wordSet, 0)
 
         for i in words:
             wordDict[i] += 1
         return wordDict

     # 計算tf
     def computeTF(words):
         cnt_dic = count_(words)
         tfDict = {}
         nbowCount = len(words)

         for word, count in cnt_dic.items():
             tfDict[word] = count / nbowCount

         return tfDict

     # 計算idf
     def get_idf():
         filecont = dict.fromkeys(wordSet, 0)
         for i in wordSet:
             for j in list_words:
                 if i in j.split():
                     filecont[i] += 1
         idfDict = dict.fromkeys(wordSet, 0)
         le = len(list_words)
         for word, cont in filecont.items():
             idfDict[word] = math.log10(le/cont+1)
         return idfDict


     # 計算每個詞的TF*IDF的值
     def get_tf_idf(list_words):
         idf_dic = get_idf()
         ret = []
         for words in list_words:
             tf_dic = computeTF(words.split())
             tf_idf_dic = {}
             temp = []
             for word, tf in tf_dic.items():
                 idf = idf_dic[word]
                 tf_idf =  tf * math.log(len(list_words) / (idf+1))
                 tf_idf_dic[word] = tf_idf

             for word in wordSet:
                 temp.append(tf_idf_dic.get(word, 0))
             ret.append(temp)
         return ret
     return np.array(get_tf_idf(list_words))

tf-idf矩陣：
word_tf_idf = get_tf_idf(features)

慢的飛起，哈哈哈哈。