Explorando los vectores de texto, parte 2

Utilizando la función return_weights() que escribiste en el ejercicio anterior, ahora vas a extraer las palabras principales de cada documento en el vector de texto, devolver una lista de los índices de palabras y utilizar esa lista para filtrar el vector de texto hasta esas palabras principales.

Este ejercicio forma parte del curso

Preprocesamiento para machine learning en Python

Ver curso

Instrucciones del ejercicio

Llama a return_weights() para que te devuelva las palabras más ponderadas de ese documento.
Llama a set() en el filter_list devuelto para eliminar los números duplicados.
Llama a words_to_filter, pasando los siguientes parámetros: vocab para el parámetro vocab, tfidf_vec.vocabulary_ para el parámetro original_vocab, text_tfidf para el parámetro vector, y 3 para coger las top_n 3 palabras ponderadas de cada documento.
Por último, pasa ese conjunto filtered_words a una lista para utilizarlo como filtro del vector texto.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

def words_to_filter(vocab, original_vocab, vector, top_n):
    filter_list = []
    for i in range(0, vector.shape[0]):
    
        # Call the return_weights function and extend filter_list
        filtered = ____(vocab, original_vocab, vector, i, top_n)
        filter_list.extend(filtered)
        
    # Return the list in a set, so we don't get duplicate word indices
    return ____(filter_list)

# Call the function to get the list of word indices
filtered_words = ____(____, ____, ____, ____)

# Filter the columns in text_tfidf to only those in filtered_words
filtered_text = text_tfidf[:, list(____)]

Editar y ejecutar código