CountVectorize（詞頻矩陣）
CountVectorizer是屬於常見的特徵數值計算類，是一個文本特徵提取方法。
對於每一個訓練文本，它只考慮每種詞語 在該訓練文本中 出現的頻率。
CountVectorizer會將文本中的詞語轉換爲詞頻矩陣，它通過fit_transform函數計算各個詞語出現的次數。
CountVectorizer(input='content', encoding='utf-8', decode_error='strict', strip_accents=None, lowercase=True, preprocessor=None, tokenizer=None, stop_words=None,
token_pattern='(?u)\b\w\w+\b', ngram_range=(1, 1), analyzer='word', max_df=1.0, min_df=1, max_features=None, vocabulary=None, binary=False, dtype=<class 'numpy.int64'>)
CountVectorizer類的參數很多，分爲三個處理步驟：preprocessing、tokenizing、n-grams generation.
一般要設置的參數是:ngram_range , max_df，min_df，max_features等，具體情況具體分析。
max_df : 可以設置爲範圍在[0,1]的float,也可以設置爲沒有範圍限制的int , 默認爲1.0。
這個參數作爲一個閾值，如果某個詞的詞頻 > max_df , 則這個詞不會被當作關鍵詞。
如果這個參數是float，則表示詞出現的詞數與語料庫文檔數的百分比。
如果這個參數是 int ，則表示詞出現的詞數。
如果參數已經給定了vocabulary，則這個參數無效。
min_df : 類似於max_df, 不同之處在於如果某個詞的document frequence < min_df ，則這個詞不會被
當作關鍵詞。
