Importeer CountVectorizer uit sklearn.feature_extraction.text en train_test_split uit sklearn.model_selection.
Maak een Series y voor de labels door de attribuutwaarde .label van df toe te wijzen aan y.
Maak met df["text"] (features) en y (labels) de training- en testsets met train_test_split(). Gebruik een test_size van 0.33 en een random_state van 53.
Maak een CountVectorizer-object met de naam count_vectorizer. Zorg dat je het keywordargument stop_words="english" meegeeft zodat stopwoorden worden verwijderd.
Fit en transformeer de trainingsdata X_train met de methode .fit_transform() van je CountVectorizer-object. Doe hetzelfde voor de testdata X_test, maar gebruik daar de methode .transform().
Print de eerste 10 features van de count_vectorizer met behulp van de methode .get_feature_names().

Eenvoudige NLP, complexe problemen