我对CountVectorizer和CharNGramAnalyzer有些困惑。根据我的理解，
- CountVectorizer构建一个计数矩阵，其中行是不同单词的出现次数，考虑到了高维稀疏性。
- CharNGramAnalyzer构建一个计数矩阵，其中行是不同字符的出现次数。由于它不考虑单词，因此不需要知道单词之间的分隔，适用于英语以外的其他语言。
我的理解正确吗？如果不对，我希望得到详细的解释或任何相关的资料来源。
回答：
首先，检查你的sklearn版本。我觉得你使用的是旧版本的sklearn。你对CountVectorizer的解释是不正确的。至少在当前版本中，它不计算语料库中不同单词的数量。
根据CountVectorizer的文档，你需要传递analyzer='word'来进行单词计数。在最新的sklearn版本中，CharNGramAnalyzer已被弃用，并与CountVectorizer合并。只需使用analyzer='char'即可复制CharNGramAnalyzer的功能。要验证这一点，请查看http://scikit-learn.org/stable/modules/classes.html#module-sklearn.feature_extraction.text，其中没有CharNGramAnalyzer的条目
