Erstelle die DataFrames count_df und tfidf_df mit pd.DataFrame(), wobei du die Werte als erstes Argument und die Spalten (oder Features) als zweites Argument angibst.
- Auf die Werte greifst du jeweils über das Attribut .A von count_train bzw. tfidf_train zu.
- Auf die Spalten kannst du mit den Methoden .get_feature_names() von count_vectorizer und tfidf_vectorizer zugreifen.
Gib die ersten Zeilen jedes DataFrames aus, um ihre Struktur zu untersuchen. Das haben wir bereits für dich erledigt.
Prüfe, ob die Spaltennamen in beiden DataFrames gleich sind, indem du ein neues Objekt namens difference erstellst, um die Unterschiede zwischen den Spalten von count_df und tfidf_df zu sehen. Auf Spalten greifst du mit dem Attribut .columns eines DataFrames zu. Subtrahiere die Menge von tfidf_df.columns von der Menge von count_df.columns.
Prüfe, ob die beiden DataFrames gleich sind, indem du die Methode .equals() auf count_df mit tfidf_df als Argument verwendest.

Trainieren und Testen

Einführung in Natural Language Processing mit Python