Porównanie reprezentacji BoW i TF-IDF
Jesteś częścią zespołu analitycznego w firmie produkującej technologie ubieralne. Twoim zadaniem jest pomoc menedżerom produktu w zrozumieniu opinii klientów na temat nowego smartwatcha. Tekst został już wstępnie przetworzony i przygotowane zostały dwie reprezentacje: bow_matrix za pomocą CountVectorizer() oraz tfidf_matrix za pomocą TfidfVectorizer(). W tym ćwiczeniu zwizualizujesz obie reprezentacje i porównasz je, aby lepiej zrozumieć, jak każda z nich oddaje ważność słów.
To ćwiczenie jest częścią kursu
Przetwarzanie języka naturalnego (NLP) w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Convert BoW matrix to a DataFrame
df_bow = pd.DataFrame(
____,
columns=vectorizer.____
)
# Plot the heatmap
plt.figure(figsize=(10, 6))
sns.heatmap(____, annot=True)
plt.title("BoW Scores Across Reviews")
plt.xlabel("Terms")
plt.xticks(rotation=45)
plt.ylabel("Documents")
plt.show()