TF值：某個詞（字）在文本（壹段話）中出現的頻率
IDF值：某個詞（字）在文本（壹段話）中的普遍重要性的度量。某壹詞（字）的IDF值，可以由總文本數目除以包含該詞（字）的文本的數目，再將得到的商取 10為底的對數。
?首先看壹下數據，此數據集為訓練數據集，分為“頻道”和“文章”兩列，後面將使用這樣的數據集來進行模型訓練。
由於在文本中有許多沒有用的詞（字）和標點符號，所以要去停用詞
參數解釋：
tokenizer = jieba.lcut? 用jieba分詞中的精確模式；stop_words 定義停用詞詞典，會在結果中刪除詞典中包含的詞；norm?表示對TF-IDF矩陣的每壹行使用l2範數歸壹化； use_idf?表示在TF矩陣的基礎上計算IDF，並相乘得到TF-IDF；smooth_idf?表示通過加1到文檔頻率平滑idf權重，為防止除零，加入壹個額外的文檔（防止計算IDF時出現除0的尷尬情況)；sublinear_tf?表示使用 1+log(tf)替換原來的tf, True值表示使用
contents參數就是我們要計算成TF-IDF值的文本數據集（即文章那壹列的數據）
得到的TF-IDF值：
我們可以看看這個詞袋包含多少詞：
我們在得到TF-IDF模型之後，我們還需要對頻道那壹列進行處理。頻道那列其實就是標簽值，包含娛樂，體育，音樂之類的類別。
把頻道那壹列進行編碼，得到標簽值y ，再用剛剛訓練好的tfidf模型計算出x值：
這裏我們在分割訓練集和測試集時，不再直接用x,y來分割，因為此時數據量太大，會讓分割時間變長，所以通過分割index值來得到訓練集和測試集：
這裏使用邏輯回歸模型：
訓練完我們評估壹下模型效果：
最後保存模型：
加載保存的模型：
和實際類別進行比對：
上面整個流程就是壹個簡單的通過詞袋模型進行新聞文本分類，通過計算出TF-IDF值，再送入分類模型進行預測。