1. Learn
    2. /
  2. Courses
    3. /
  3. Introducción al procesamiento de lenguaje natural en Python
  • 1

    Expresiones regulares y tokenización de palabras

    Free

    Este capítulo introducirá algunos conceptos básicos de NLP, como la tokenización de palabras y las expresiones regulares para ayudar a analizar el texto. También aprenderás a manejar texto no inglés y tokenización más difícil.

  • 2

    Identificación sencilla de temas

    Este capítulo te presentará la identificación del tema, que podrás aplicar a cualquier texto que encuentres en la vida real. Utilizando los modelos básicos de NLP, identificarás los temas de los textos basándote en las frecuencias de los términos. Experimentarás y compararás dos métodos sencillos: bolsa de palabras y Tf-idf utilizando NLTK, y una nueva biblioteca Gensim.

  • 3

    Reconocimiento de entidades nombradas

    Este capítulo presentará un tema algo más avanzado: el reconocimiento de entidades nombradas. Aprenderás a identificar el quién, el qué y el dónde de tus textos utilizando modelos preentrenados en textos ingleses y no ingleses. También aprenderás a utilizar algunas bibliotecas nuevas, polyglot y spaCy, para añadirlas a tu caja de herramientas de NLP.

  • 4

    Creación de un clasificador de noticias falsas

    Aplicarás los elementos básicos aprendidos junto con algo de machine learning supervisado para construir un detector de noticias falsas. Empezarás aprendiendo las nociones básicas del machine learning supervisado y luego elegirás unas cuantas funciones importantes y probarás ideas para identificar y clasificar artículos de noticias falsas.

Initializing

Exercise

Inspección de los vectores

Para hacerte una mejor idea de cómo funcionan los vectores, los investigarás convirtiéndolos en pandas DataFrames.

Aquí utilizarás las mismas estructuras de datos que creaste en los dos ejercicios anteriores (count_train, count_vectorizer, tfidf_train, tfidf_vectorizer), así como pandas, que se importa como pd.

Instructions

100 XP

  • Crea los DataFrames count_df y tfidf_df utilizando pd.DataFrame() y especificando los valores como primer argumento y las columnas (o características) como segundo argumento.

    • Se puede acceder a los valores utilizando el atributo .A de, respectivamente, count_train y tfidf_train.

    • Se puede acceder a las columnas mediante los métodos .get_feature_names() de count_vectorizer y tfidf_vectorizer.

  • Imprime la cabeza de cada DataFrame para investigar su estructura. Esto se ha hecho por ti.

  • Comprueba si los nombres de las columnas son los mismos para cada DataFrame creando un nuevo objeto llamado difference para ver la diferencia entre las columnas que tiene count_df respecto a tfidf_df. Se puede acceder a las columnas mediante el atributo .columns de un Marco de datos. Resta el conjunto de tfidf_df.columns del conjunto de count_df.columns.

  • Comprueba si los dos DataFrames son equivalentes utilizando el método .equals() en count_df con tfidf_df como argumento.