Le TF-IDF pondère chaque mot par sa fréquence dans le document (TF) et par la rareté du mot dans l'ensemble du corpus (IDF). Les mots fréquents partout, comme « le », pèsent peu ; ceux qui caractérisent un document pèsent davantage. Il améliore le sac de mots pour la recherche et la classification.
Exemple
TfidfVectorizer(min_df=2, ngram_range=(1, 2))