sklearn中的CountVectorizer（binary = True）和n CountVectorizer（binary = False）有什么区别

Question

我通过定义ngram_vectorizer = CountVectorizer（binary = True）和ngram_vectorizer = CountVectorizer（binary = False）来运行脚本

两者的混淆矩阵的结果不同。能帮助我了解二进制文件是什么？

Answer 1

如果设置binary=True，则CountVectorizer将不再使用术语/令牌的计数。如果文档中存在令牌，则令牌为1；如果令牌不存在，则令牌为0，而与令牌的出现频率无关。因此，您将只处理二进制值。默认情况下，binary=False。

请参见usage examples here