机器学习day1

sklearn数据集

load_* 小数据集
fetch_* 大数据集，默认下载到家目录下的scikit_learn_data

对数据的索引

1. []
2. .
   

特征工程

字典类型特征处理

文本特征处理

1. 文本特征处理分为两类：英文文本、中文文本，其中中文文本需要进行空格分词
   
   
2. 按分类方法分类可分为CountVectorizer，TfidfVectorizer两类，前者统计词语出现次数，而后者统计词语的重要程度，更适合文本特征处理。