शुरू करेंमुफ़्त में शुरू करें

tf-idf शब्द-फ्रिक्वेंसी ऐरे

इस अभ्यास में, आप दस्तावेज़ों के एक छोटे (toy) कलेक्शन के लिए tf-idf शब्द-फ्रिक्वेंसी ऐरे बनाएँगे. इसके लिए sklearn का TfidfVectorizer उपयोग करें. यह दस्तावेज़ों की सूची को शब्द-फ्रिक्वेंसी ऐरे में बदलता है और आउटपुट के रूप में csr_matrix देता है. इसके पास अन्य sklearn ऑब्जेक्ट्स की तरह fit() और transform() मेथड होते हैं.

आपको पालतू जानवरों पर आधारित toy दस्तावेज़ों की एक सूची documents दी गई है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Unsupervised Learning

पाठ्यक्रम देखें

अभ्यास निर्देश

  • sklearn.feature_extraction.text से TfidfVectorizer इम्पोर्ट करें.
  • tfidf नाम का एक TfidfVectorizer इंस्टेंस बनाएँ.
  • tfidf के .fit_transform() मेथड को documents पर लागू करें और परिणाम csr_mat में असाइन करें. यह csr_matrix फॉर्मेट में शब्द-फ्रिक्वेंसी ऐरे है.
  • .toarray() मेथड कॉल करके और परिणाम प्रिंट करके csr_mat देखें. यह आपके लिए कर दिया गया है.
  • ऐरे के कॉलम अलग-अलग शब्दों से मेल खाते हैं. शब्दों की सूची पाने के लिए tfidf के .get_feature_names_out() मेथड को कॉल करें और परिणाम words में असाइन करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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)
कोड संपादित करें और चलाएँ