python scikit-learn TfidfVectorizer：爲什麼ValueError輸入時是2個單字符字符串？

Question

我嘗試運行是這樣的：

from sklearn.feature_extraction.text import TfidfVectorizer 

test_text = ["q", "r"] 

vect = TfidfVectorizer(min_df=1, 
         stop_words=None, 
         lowercase=False) 
tfidf = vect.fit_transform(test_text) 

print vect.get_feature_names() 

卻得到一個ValueError：

ValueError: empty vocabulary; perhaps the documents only contain stop words

是否指導什麼限制或約束的輸入都存在嗎？我無法在TfidfVectorizer doc page上找到任何東西。我試圖跟蹤它，並得到_count_vocab函數，但我無法閱讀它。另外，當我將字符串更改爲2或更長時，代碼運行良好。

Answer 1

該錯誤是由於min_df參數。當你設置min_df = 0的值時，它會正常工作，因爲它不會受到當前設置爲1的「最小閾值」限制，並且你的每個單詞也只出現一次。