SVM线性核中TF-IDF与TF的区别

Question

因为IDF是一个常数。 一维中的所有值乘以常数。

在SVM Linear内核中，结果会有所不同吗？

Answer 1

你的初步问题确实没有意义。你混淆了两个不同的世界： 1）TF/IDF: features for text representation 2）SVM - Linear Kernel：SVM最简单的方法（确实用于文本）。

TF和TF / IDF的区别在于是否使用了词语的语料频率。 TF / IDF是一个更好的选择，独立于分类器。

仅使用TF我们并不关心单词是否常见。因此，常见的词语如即使文章没有提供真实的信息，也会获得很大的权重。

在TF / IDF中，一个单词在语料库中的频率越高，它接收的权重就越小。因此，像文章这样的常用词语只能获得较小的权重，但却是罕见的词语，假设它们携带更多信息，获得更大的权重。

N.B。在上文中，“物品”用作它们通常应在预处理步骤中移除的示例。