• TF（词频）。根据词汇表,统计每个词出现次数。TF越大，说明词汇越重要
• IDF（逆文档频率）。总文档数量为n，出现某词汇的文档数量为m，IDF=ln((n+1)/(m+1))。IDF越大，说明词汇只在少数文档出现，越重要

TF-IDF是计算关键字的简单算法，缺点：对停用词敏感，以及没有规范化，实际sklearn已经有这方面优化

python My_TFIDF.py

TF-IDF主要作用是提前关键词，也可以用TF-IDF计算文档的向量，用于分类

• 提取关键词。python extract_keyword.py
• 分类器。python classifier.py