CommencezCommencez gratuitement

Un tableau de fréquences de mots tf-idf

Dans cet exercice, vous allez créer un tableau de fréquences de mots tf-idf pour une petite collection de documents. Pour cela, utilisez TfidfVectorizer de sklearn. Cet outil transforme une liste de documents en un tableau de fréquences de mots, qu'il retourne sous forme de csr_matrix. Comme d'autres objets sklearn, il possède les méthodes fit() et transform().

On vous fournit une liste documents de courts documents sur des animaux de compagnie.

Cette activité fait partie du cours

Unsupervised Learning in Python

Voir le cours

Instructions de l’exercice

  • Importez TfidfVectorizer depuis sklearn.feature_extraction.text.
  • Créez une instance de TfidfVectorizer appelée tfidf.
  • Appliquez la méthode .fit_transform() de tfidf à documents et assignez le résultat à csr_mat. Il s'agit d'un tableau de fréquences de mots au format csr_matrix.
  • Inspectez csr_mat en appelant sa méthode .toarray() et en imprimant le résultat. Cela a été fait pour vous.
  • Les colonnes du tableau correspondent aux mots. Obtenez la liste des mots en appelant la méthode .get_feature_names_out() de tfidf, et assignez le résultat à words.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Import TfidfVectorizer
from ____ import ____

# Create a TfidfVectorizer: tfidf
tfidf = ____ 

# Apply fit_transform to document: csr_mat
csr_mat = ____

# Print result of toarray() method
print(csr_mat.toarray())

# Get the words: words
words = ____

# Print words
print(words)
Modifier et exécuter le code