删除没有信息量的单词有一种方法，就是舍弃那些出现次数太多以至于没有信息量的单词。

有两种主要方法：

1、使用特定语言的停用词（stopword）列表；

2、舍弃那些出现过于频繁的单词。

scikit-learn的feature_extraction.text模块中提供了英语停用词的内置列表：

from sklearn.feature_extraction.text import ENGLISH_STOP_WORDS
print('停用词数量：{}'.format(len(ENGLISH_STOP_WORDS)))
print('英文停用词：{}'.format(ENGLISH_STOP_WORDS))

显然，删除停用词列表里的停用词只能使特征数量减少318个，但可能会提高性能。

固定的停用词列表主要对小型数据集很有帮助，这些数据集可能没有包含足够的信息，模型从数据本身无法判断出哪些单词是停用词。