Găsirea celor mai frecvente cuvinte
După ce ai creat caracteristicile, este întotdeauna recomandat să le inspectezi pentru a te asigura că sunt conforme cu așteptările tale. Astfel poți depista erorile din timp și poți decide ce pași suplimentari de inginerie a caracteristicilor sunt necesari.
Vectorizatorul (cv) pe care l-ai antrenat în exercițiul anterior și matricea rară cu numărătorile de cuvinte (cv_trigram) sunt disponibile în spațiul tău de lucru.
Acest exercițiu face parte din cursul
Ingineria caracteristicilor pentru Machine Learning în Python
Instrucțiuni pentru exercițiu
- Creează un DataFrame cu caracteristicile (numărătorile de cuvinte).
- Adaugă numărul de apariții ale cuvintelor și afișează primele 5 cuvinte cu cele mai multe apariții.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Create a DataFrame of the features
cv_tri_df = ____(____,
columns=cv_trigram_vec.get_feature_names()).add_prefix('Counts_')
# Print the top 5 words in the sorted output
print(cv_tri_df.sum().____(ascending=____).head())