TF-IDF (Term Frequency - Inverse Document Frequency)
Métrica estadística que mide la importancia de una palabra en un documento en relación con una colección.
Definición Técnica & Formal
TF-IDF evalúa cuán informativa es una palabra. TF mide con qué frecuencia aparece una palabra en un documento específico, mientras que IDF penaliza aquellas palabras que aparecen en casi todos los documentos de la colección (como "el", "de", "un").
Puntos Clave & Aplicaciones
"La palabra "virus" en un libro de cocina es extremadamente rara e informativa (alto IDF); en un manual de medicina es muy común (bajo IDF)."
💡 Tip: Puedes presionar el botón "Dibujar / Apuntes" en la barra superior para hacer anotaciones gráficas sobre este diagrama.Fórmula Matemática
Demostración Visual e Interactiva
Interactúa con los controles para simular dinámicamente el funcionamiento de TF-IDF (Term Frequency - Inverse Document Frequency).
Visualizador de la Arquitectura "TF-IDF (Term Frequency - Inverse Document Frequency)"
La palabra "virus" en un libro de cocina es extremadamente rara e informativa (alto IDF); en un manual de medicina es muy común (bajo IDF).
Ejemplo de Código & Demostración
from sklearn.feature_extraction.text import TfidfVectorizer
docs = [
"el modelo de lenguaje entiende contexto",
"el vector de embedding calcula distancia"
]
vectorizer = TfidfVectorizer()
matrix = vectorizer.fit_transform(docs)
print("Palabras clave extraídas:", vectorizer.get_feature_names_out())