机器学习 · 函数

词袋向量化

使用词袋模型对文本进行向量化。

调用签名(文本列表, 最大特征数: 'int' = 1000, **选项)

词ZHONGWEN
PYTHON

Chinese example

中文代码示例

# 完整案例：按字段调用 词袋向量化
设 结果 = 机器学习.词袋向量化(
    文本列表="示例内容",  # 必填；界面上显示给用户看的文字
    最大特征数=1000,  # 可选；整数类型的 最大特征数 参数,按函数业务含义传入...
    **[1, 2, 3, 4],  # 可选；额外关键字参数，用字典形式展开传入
)
打印(结果)

可直接放进 .cs / .中py 文件运行。转换器会把中文代码交给真实 Python 解释器。

Parameters

参数说明

3 个参数

参数类型 / 传入方式说明

文本列表可选 · 默认无

未声明位置参数或字段名=值

界面上显示给用户看的文字。

常见错误：漏传会报 TypeError: missing required argument: '文本列表';检查调用是否漏了这行

最大特征数可选 · 默认 1000

int位置参数或字段名=值

整数类型的最大特征数参数,按函数业务含义传入对应数值。

常见错误：传非整数会报 TypeError;按整数类型传值

选项可选 · 默认不传则为空

未声明可变关键字参数，用 **字典展开

额外关键字参数，用字典形式展开传入。

常见错误：类型不匹配会报 TypeError;按字段类型列传值,首次使用建议先打印(结果) 确认结构

Playbook

基础用法 · 进阶组合 · 错误排查

# 完整案例：按字段调用 词袋向量化
设 结果 = 机器学习.词袋向量化(
    文本列表="示例内容",  # 必填；界面上显示给用户看的文字
    最大特征数=1000,  # 可选；整数类型的 最大特征数 参数,按函数业务含义传入...
    **[1, 2, 3, 4],  # 可选；额外关键字参数，用字典形式展开传入
)
打印(结果)

# 进阶组合:词袋向量化 配合 机器学习 业务流使用
设 模型 = 机器学习.训练线性回归([[1], [2], [3]], [2, 4, 6])
设 结果 = 机器学习.词袋向量化(
    文本列表="示例内容",  # 必填
    最大特征数=1000,  # 可选
    **[1, 2, 3, 4],  # 选项
)
设 结果 = 机器学习.预测(模型, [[4]])
打印(结果)

# 错误排查:覆盖 1 个必填参数

## 参数 1: 文本列表
# 错误:漏传会报 TypeError: missing required argument
# 设 结果 = 机器学习.词袋向量化()  # TypeError
# 修复:补上必填字段
设 结果 = 机器学习.词袋向量化(文本列表="示例内容")
打印(结果)