Bag-of-words adalah pendekatan untuk mengubah teks menjadi bentuk numerik.

Pada latihan ini, Anda akan menerapkan BOW pada daftar annak sebelum beralih ke himpunan data yang lebih besar pada latihan berikutnya.

Tugas Anda adalah bekerja dengan daftar ini dan menerapkan BOW menggunakan CountVectorizer(). Transformasi ini adalah langkah pertama untuk memahami sentimen dari sebuah teks. Perhatikan kata-kata yang mungkin membawa sentimen kuat.

Ingat bahwa keluaran CountVectorizer() adalah matriks jarang (sparse matrix), yang hanya menyimpan entri bernilai non-nol. Untuk melihat isi sebenarnya dari matriks ini, kita mengonversinya menjadi array rapat menggunakan metode .toarray().

Perhatikan bahwa dalam kasus ini Anda tidak perlu menentukan argumen max_features karena teksnya pendek.

Bangun fitur baru dari teks

Create Your Free Account