Comparer les représentations BoW et TF-IDF
Vous faites partie de l'équipe d'analytique d'une entreprise d'accessoires technologiques. Votre objectif est d'aider les gestionnaires de produit à comprendre les commentaires des clients sur la nouvelle montre intelligente de l'entreprise. Vous avez déjà prétraité le texte et créé deux représentations : bow_matrix avec CountVectorizer() et tfidf_matrix avec TfidfVectorizer(). Dans cet exercice, vous allez visualiser et comparer les deux afin de mieux comprendre comment chacune capte l'importance des mots.
Cette activité fait partie du cours
Natural Language Processing (NLP) en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Convert BoW matrix to a DataFrame
df_bow = pd.DataFrame(
____,
columns=vectorizer.____
)
# Plot the heatmap
plt.figure(figsize=(10, 6))
sns.heatmap(____, annot=True)
plt.title("BoW Scores Across Reviews")
plt.xlabel("Terms")
plt.xticks(rotation=45)
plt.ylabel("Documents")
plt.show()