One-hot vector是把所有的词汇变成列，例如我们有10000个词汇，那么就有10000列。
对于每个句子，如果单词出现，则该列为1，例如，有两句话:
'Time flies flies like an arrow.', 'Fruit flies like a banana.'
他们的one-hot vector如下图所示：
TF-IDF用于计算文章中词语的出现次数。
因为常用词的出现次数远远大于非常用词。为了让非常用词也能露脸，所以加了个IDF作为修正。IDF中词语出现的文章数作为分子()，总文章数作为分母，然后求对数值，具体公式如下：
把词语的出现次数TF和IDF相乘(TF*IDF)，得到了TF-IDF.
上面两个句子的TF-IDF图如下：
sklearn包实现了one-hot和tf-idf的计算，具体的方法如下：
one-hot：CountVectorizer
if-idf：TfidfVectorizer()
https://scikit-learn.org/stable/modules/feature_extraction.html#text-feature-extraction
