这一部分主要介绍和特征处理相关的算法，大体分为以下三类：
1）特征抽取：从原始数据中抽取特征
2）特征转换：特征的维度、特征的转化、特征的修改
3）特征选取：从大规模特征集中选取一个子集
特征提取：
CountVectorizer
CountVectorizer旨在通过计数来将一个文档转换为向量。当不存在先验字典时，CountVectorizer作为Estimator提取词汇进行训练，并生成一个CountVectorizerModel用于存储相应的词汇向量空间。
在CountVectorizerModel的训练过程中，CountVectorizer将根据语料库中的词频排序从高到低进行选择，词汇表的最大含量由vocabsize超参数来指定，超参数minDF，则指定词汇表中的词语至少要在多少个不同文档中出现。
1）导入CountVectorizer所需要的包：
2）假设我们有如下的DataFrame，其包含id和words两列，可以看成是一个包含两个文档的迷你语料库
3）通过CountVectorizer设定超参数，训练一个CountVectorizer，这里设定词汇表的最大量为3，设定词汇表中的词至少要在2个文档中出现过，以过滤那些偶然出现的词汇。
4）在训练结束后，可以通过cv对DataFrame进行fit,获得到模型的词汇表：
5）在训练结束后，可以通过cv对DataFrame进行fit,获得到模型的词汇表：
