我正在尝试重现一篇使用 tf-idf 方法的论文。在数据预处理过程中，有一个步骤涉及特征缩放。在原始论文中，它说：“我们将单词限制为训练集中最常见的 10,000 个单词；然后，通过除以特征的最大绝对值，将每个特征缩放到 [-1, 1] 范围内穿过火车组。”那么，当提到除以最大绝对值时，是将每个样本分别除以其最大特征值，还是将所有样本除以整个数据集中的最大值？
尚未完成......................
TF =（文档中单词的重复次数）/（文档中单词的数量）
IDF =Log[(文档数) / (包含该单词的文档数)]
因此特定单词的 TF-IDF 值是 该单词的 TF 值 * 该单词的 IDF 值。
因此 TF-IDF 值范围在 0 和 1 之间。 TF-IDF 不能有 -ve 值
请注意，此处的文档与 Excel 中的行同义。因此请理解，特定单词的 TF-IDF 值将仅基于训练数据集。
所以我不确定你想做什么。如果您能详细说明一下以更好地帮助您，那就太好了。