我想计算数据集中每个单词的information gain，但是我在研究中只达到了此解决方案，所以我申请了。 Mutual information gain。
dataset = pd.read_csv("labelled_text.txt", delimiter="\t")
vectorizer = TfidfVectorizer(stop_words = 'english')
X = vectorizer.fit_transform(dataset.Sentence)
Y = dataset['Class']
res_mi = dict(zip(vectorizer.get_feature_names(), mutual_info_classif(X, Y, discrete_features=True)))
它们在sklearn中的计算是否相同？