Machine learning 如何使用TF-IDF和使用sift的可视文字袋

我使用与此链接相同的方法：

如链接中所述，TD IDF可用于从可视文字包中删除不太重要的“可视文字”。然而，在线查看之后，TD-IDF似乎只用于文本特征提取。（例如，sklearn.feature_extraction.text.tfidf转换器）

---

有没有一种简单的方法可以将TF-IDF用于图像分类而不是文本分类？

我怀疑它对于图像来说是否足够标准，但自己计算它也很容易：

• 对于任何“视觉单词”，文档频率（DF）是包含该“视觉单词”的图像数除以图像总数。IDF是该值的倒数
• 特定图像中“视觉单词”的“术语频率”（TF）是“单词”在图像中出现的次数除以该图像中“单词”的总数

现在只需应用以下公式：TFIDF=TF*log（IDF）

或者，您可以将每个图像表示为一个伪句子，其中字符串表示视觉单词，然后对伪句子集使用标准的

TfidfTransformer

。但这可能是更多的工作，没有什么好处