Een bag-of-words is een manier om tekst om te zetten naar numerieke vorm.

In deze oefening pas je een BOW toe op de lijst annak voordat je in de volgende oefening met een grotere gegevensset werkt.

Je taak is om met deze lijst te werken en een BOW toe te passen met CountVectorizer(). Deze transformatie is je eerste stap om het sentiment van een tekst te kunnen begrijpen. Let vooral op woorden die een sterk sentiment kunnen uitdragen.

Onthoud dat de output van CountVectorizer() een sparse matrix is, die alleen niet-nul waarden opslaat. Om de daadwerkelijke inhoud van deze matrix te bekijken, zetten we die om naar een dense array met de methode .toarray().

Merk op dat je in dit geval het argument max_features niet hoeft op te geven, omdat de tekst kort is.

Meer detail met n-grammen

Create Your Free Account