CommencezCommencez gratuitement

Termes clés dans les groupes de films

Maintenant que vous avez créé une matrice creuse, générez les centres des groupes et affichez les trois principaux termes de chaque groupe. Utilisez la méthode .todense() pour convertir la matrice creuse tfidf_matrix en matrice normale afin que la fonction kmeans() puisse la traiter. Ensuite, utilisez la méthode .get_feature_names() pour obtenir la liste des termes dans l'objet tfidf_vectorizer. La fonction zip() en Python permet d'associer deux listes.

L'objet tfidf_vectorizer et la matrice creuse tfidf_matrix de l'exercice précédent ont été conservés ici. kmeans a été importé de SciPy.

Avec un plus grand nombre de points de données, les groupes formés seraient mieux définis. Cependant, cela exige une certaine puissance de calcul, ce qui est difficile à réaliser dans un exercice ici.

Cette activité fait partie du cours

Analyse de grappes en Python

Voir le cours

Instructions de l’exercice

  • Générez les centres des groupes avec la fonction kmeans().
  • Générez une liste de termes à partir de l'objet tfidf_vectorizer.
  • Affichez les 3 principaux termes de chaque groupe.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

num_clusters = 2

# Generate cluster centers through the kmeans function
cluster_centers, distortion = ____

# Generate terms from the tfidf_vectorizer object
terms = tfidf_vectorizer.____()

for i in range(num_clusters):
    # Sort the terms and print top 3 terms
    center_terms = dict(zip(____, ____))
    sorted_terms = sorted(____, key=center_terms.get, reverse=True)
    print(____)
Modifier et exécuter le code