from sklearn.feature_extraction.text import TfidfVectorizer
tfidf_vectorizer = TfidfVectorizer(max_df=0.95, max_features=200000,
min_df=.5, stop_words='english',
use_idf=True,sublinear_tf=True,tokenizer = tokenize_and_stem_body,ngram_range=(1,3))
tfidf_matrix_body = tfidf_vectorizer.fit_transform(totalvocab_stemmed_body)
上面的代码给了我错误
ValueError: After pruning, no terms remain. Try a lower min_df or a higher max_df.
有人能帮我解决同样的问题吗？我把所有的值都改为80到100，但问题仍然不变？
从文档中，scikit learn、TF-IDF矢量器、
max_df：浮动在[0.0，1.0]或int范围内，默认值=1.0
在构建词汇表时，忽略文档频率严格高于给定阈值的术语(语料库特定的停止词)。如果是float，则该参数表示文档的比例，即整数绝对计数。如果词汇表不是None，则忽略此参数。
min_df：浮动范围为[0.0，1.0]或int，默认值=1
在构建词汇表时，忽略文档频率严格低于给定阈值的术语。这个值在文献中也被称为截断值。如果是float，则该参数表示文档的比例，即整数绝对计数。如果词汇表不是None，则忽略此参数。
请检查变量totalvocab_stemmed_body的数据类型。如果它是一个列表，则列表中的每个元素都被视为一个文档。
案例1：文件数量=2000000，min_df=0.5。
如果你有大量的文件(比如200万)，每个文件只有几个单词，并且来自非常不同的域，那么出现在最低10,000000(20,000000*0.5)个文档中的术语的可能性非常小。
案例2：文件数量=200，max_df=0.95
如果你有一组重复的文件(比如200)，你会发现这些术语出现在大多数文档中。有了max_df=0.95，你就知道那些存在于190多个文件中的术语，不要考虑它们。在这种情况下，所有项或多或少都是重复的，矢量器将无法找到矩阵的任何项。
这是我对这个话题的看法。