① tfidf_transfromer = Tfidftransformer()是什么意思

你这个写法有问题，这样得到的是函数的返回值。在python里，可以把函数赋值给一个变量，python的变量指向的是一个内存段地址，它可以是任何对象，当你把对象赋值给一个变量，这个变量就指向了这个对象的地址，表面上看，这个变量就变成了那个对象。在闭包操作中很常见。

② python怎样对tfidf计算出来的权值进行排序'

度|1.使用python+selenium分析dom结构爬取网络|互动网络文本摘要信息；
2.使用jieba结巴分词对文本进行中文分词，同时插入字典关于关键词；
3.scikit-learn对文本内容进行tfidf计算并构造N*M矩阵(N个文档 M个特征词)；
4.再使用K-means进行文本聚类(省略特征词过来降维过程);
5.最后对聚类的结果进行简单的文本处理，按类簇归类，也可以计算P/R/F特征值；
6.总结这篇论文及K-means的缺点及知识图谱的一些内容。

③ python tfidf怎么加df限制

1.使用python+selenium分析dom结构爬取网络|互动网络文本摘要信息；2.使用jieba结巴分词对文本进行中文分词，同时插入字典关于关键词；3.scikit-learn对文本内容进行tfidf计算并构造N*M矩阵(N个文档M个特征词)；4.再使用K-means进行文本聚类(省略特征词过来降维过程);5.最后对聚类的结果进行简单的文本处理，按类簇归类，也可以计算P/R/F特征值；6.总结这篇论文及K-means的缺点及知识图谱的一些内容。

④ python 中关于如何使用fit_tranform(X_train)做实验，本人的训练集是中文的字符窜,

X_train是二维的，表示多组特征值，每一组有好几个特征值。
那个warning提示是说代码中有0除危险，看一下哪句除法的分母可能是0，要保证它不会出现除以0的情况。

⑤ 用python采用tfidf实现从多个文本文档中选出特征词应该怎样实现

爬虫主要通过Python+Selenium+Phantomjs实现，爬取网络和互动网络旅游景点信息，其中爬取网络代码如下。核心代码如下：driver.find_elements_by_xpath("//div[@class='lemma-summary']/div")PS：Selenium更多应用于自动化测试，推荐Python爬虫使用scrapy等开源工具。

⑥ 能够用于tf-idf的语料库(python学习).

您好，推荐使用CRAFT语料库
CRAFT(Colorado Richly Annotated Full-Text)语料库，中文名科罗拉多丰富语料注释库。CRAFT收录了97篇可公开获取全文的生物医学期刊文献，并将这些文章在语义和句法上都作了详尽的注释以作为自然语言处理(NLP)社区的生物医学研究资源。CRAFT基于9个常用的生物医学本体，从这97篇文献中识别了所有的生物学实体，这些本体包括：细胞类型本体，小分子化合物本体(CHEBI)，NCBI分类法，蛋白质本体，序列本体，Entrez Gene数据库的条目，以及基因本体(Gene Ontology)的三个子条目。CRAFT语料库已被广泛应用于对文本挖掘工具的性能测试中。当然也可以用于TF-IDF方法。
TF-IDF（term frequency–inverse document frequency）是一种用于信息检索与数据挖掘的常用加权技术。TF意思是词频(Term Frequency)，IDF意思是逆文本频率指数(Inverse Document Frequency)。TF-IDF是一种统计方法，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。TF-IDF加权的各种形式常被搜索引擎应用，作为文件与用户查询之间相关程度的度量或评级。

⑦ python 作tfidfvectorizer时可以自己给定词吗

Scikit-learn是一个用于数据挖掘和数据分析的简单且有效的工具，它是基于Python的机器学习模块，基版于BSD开源许可证。
Scikit-learn的基本功能主权要被分为六个部分：分类(Classification)、回归(Regression)、聚类(Clustering)、数据降维(Dimensionality rection)、模型选择(Model selection)、数据预处理(Preprocessing)。
Scikit-Learn中的机器学习模型非常丰富，包括SVM，决策树，GBDT，KNN等等，可以根据问题的类型选择合适的模型，具体可以参考官网文档，推荐大家从官网中下载资源、模块、文档进行学习。