我有五个文本文件输入到CountVectorizer中。当在CountVectorizer实例中指定min_df和max_df时，min/max文档频率具体指的是什么？它是一个词在其特定文本文件中的频率，还是这个词在整个语料库（五个文本文件）中的频率？
当min_df和max_df作为整数或浮点数提供时，它们有什么区别？
文档似乎没有提供详细的解释，也没有提供示例来演示这两个参数的使用。有人能提供一个解释或示例来展示min_df和max_df吗？
回答：
max_df用于移除出现频率过高的词项，也称为“特定语料库的停用词”。例如：
max_df = 0.50表示“忽略在超过50%的文档中出现的词项”。max_df = 25表示“忽略在超过25个文档中出现的词项”。
默认的max_df是1.0，这意味着“忽略在超过100%的文档中出现的词项”。因此，默认设置不会忽略任何词项。
min_df用于移除出现频率过低的词项。例如：
min_df = 0.01表示“忽略在少于1%的文档中出现的词项”。min_df = 5表示“忽略在少于5个文档中出现的词项”。
默认的min_df是1，这意味着“忽略在少于1个文档中出现的词项”。因此，默认设置不会忽略任何词项。
