spark之TF-IDF淺談

所用或所學知識，忘了搜，搜了忘，還不如在此記下，還能讓其餘同志獲知。java 在使用spark實現機器學習相關算法過程當中，檔語料或者數據集是中文文本時，使用spark實現機器學習相關的算法須要把中文文本轉換成Vector或LabeledPoint等格式的數據，須要用到TF-IDF工具。算法 何爲TF-IDF TF(Term Frequency)：表示某個單詞或短語在某個文檔中出現的頻率，說白了就

>>阅读原文<<