k-means中的特征权重

Question

我有一套我想要集群的wikipedia文本。

的代码如下：

import pandas as pd            
import numpy as np            
from sklearn.feature_extraction.text import TfidfVectorizer 
from sklearn.cluster import KMeans 

#parameters 
maximum_features = 1000000 
max_intera = 300 

#load text file 
wiki = pd.read_csv('people_wiki.csv') 

#TF-IDF vectorization 
vectorizer = TfidfVectorizer(max_features=maximum_features, norm = 'l2', stop_words='english') 
tfidf = vectorizer.fit_transform(wiki['text']) 

#clustering 
kmeans = KMeans(n_clusters=3, random_state=0, init='k-means++', max_iter = max_intera).fit(tfidf) 

我想知道每个特征的权重，像这里显示（她0.025她：0.017 .....）：

总结：我希望每个特征（单词）的权重和呈现5更相关。

文件 'people_wiki.csv' 是在这里：

https://ufile.io/udg1y

Answer 1

尝试使用此解决方案：

print(tfidf.idf_)