Menjelajahi vektor teks, bagian 2

Dengan menggunakan fungsi return_weights() yang Anda tulis pada latihan sebelumnya, sekarang Anda akan mengekstrak kata-kata teratas dari setiap dokumen dalam vektor teks, mengembalikan daftar indeks kata, dan menggunakan daftar tersebut untuk memfilter vektor teks hanya ke kata-kata teratas tersebut.

Latihan ini adalah bagian dari kursus

Prapemrosesan untuk Machine Learning di Python

Lihat Kursus

Petunjuk latihan

Panggil return_weights() untuk mengembalikan kata-kata berbobot tertinggi untuk dokumen tersebut.
Panggil set() pada filter_list yang dikembalikan untuk menghapus angka yang duplikat.
Panggil words_to_filter, dengan meneruskan parameter berikut: vocab untuk parameter vocab, tfidf_vec.vocabulary_ untuk parameter original_vocab, text_tfidf untuk parameter vector, dan 3 untuk mengambil top_n 3 kata berbobot tertinggi dari setiap dokumen.
Terakhir, masukkan himpunan filtered_words ke dalam sebuah list untuk digunakan sebagai filter bagi vektor teks.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

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(____)]

Edit dan Jalankan Kode