如何用analyzer ='char'计算Tf-Idf值？

Question

我在理解我们如何在以下程序中获得 Tf-Idf 时遇到问题：

我曾尝试使用网站上给出的概念计算a文档 2 ( 'And_this_is_the_third_one.') 中的值，但使用上述概念我的 'a' 值是

1/26*日志(4/1)

(('a' 字符出现的次数)/(给定文档中的字符数)*log(# Docs/ # 出现给定字符的文档))

= 0.023156

但是输出返回为 0.2203，如输出所示。

from sklearn.feature_extraction.text import TfidfVectorizer

corpus = ['This_is_the_first_document.', 'This_document_is_the_second_document.', 'And_this_is_the_third_one.', 'Is_this_the_first_document?', ]

vectorizer = TfidfVectorizer(min_df=0.0, analyzer="char")

X = vectorizer.fit_transform(corpus)

print(vectorizer.get_feature_names())

print(vectorizer.vocabulary_)

m = X.todense()

print(m)

使用上面解释的概念，我预计输出为 0.023156。

输出是：

['.', '?', '_', 'a', 'c', 'd', 'e', 'f', 'h', 'i', 'm', 'n', 'o', 'r', 's', 't', 'u']

{'t': 15, 'h': 8, 'i': 9, 's': 14, '_': 2, 'e': 6, 'f': 7, 'r': 13, 'd': 5, 'o': 12, 'c': 4, 'u': 16, 'm': 10, 'n': 11, '.': 0, 'a': 3, '?': 1}

[[0.14540332 0.         0.47550697 0.         0.14540332 0.11887674

  0.23775349 0.17960203 0.23775349 0.35663023 0.14540332 0.11887674

  0.11887674 0.14540332 0.35663023 0.47550697 0.14540332]

 [0.10814145 0.         0.44206359 0.         0.32442434 0.26523816

  0.35365088 0.         0.17682544 0.17682544 0.21628289 0.26523816

  0.26523816 0.         0.26523816 0.35365088 0.21628289]

 [0.14061506 0.         0.57481012 0.22030066 0.         0.22992405

  0.22992405 0.         0.34488607 0.34488607 0.         0.22992405

  0.11496202 0.14061506 0.22992405 0.34488607 0.        ]

 [0.         0.2243785  0.46836004 0.         0.14321789 0.11709001

  0.23418002 0.17690259 0.23418002 0.35127003 0.14321789 0.11709001

  0.11709001 0.14321789 0.35127003 0.46836004 0.14321789]]