Dendrogramă amzn_cons

Se pare că recenziile indică puternic prezența unui program de lucru prelungit și a unui echilibru precar între viața profesională și cea personală. Ca tehnică simplă de grupare, vei efectua o clusterizare ierarhică și vei crea o dendrogramă pentru a vedea cât de strâns legate sunt aceste expresii.

Acest exercițiu face parte din cursul

Text Mining cu Bag-of-Words în R

Vezi cursul

Instrucțiuni pentru exercițiu

Creează amzn_c_tdm ca un TermDocumentMatrix folosind amzn_cons_corp cu control = list(tokenize = tokenizer).
Afișează amzn_c_tdm în consolă.
Creează amzn_c_tdm2 aplicând funcția removeSparseTerms() asupra lui amzn_c_tdm, cu argumentul sparse egal cu .993.
Creează hc, un obiect de clusterizare ierarhică, cuibărind matricea de distanțe dist(amzn_c_tdm2) în interiorul funcției hclust(). Asigură-te că transmiți și method = "complete" funcției hclust().
Vizualizează hc prin reprezentare grafică pentru a examina bigramele grupate și a înțelege cum conceptele din secțiunea de contra a Amazon te pot conduce către o concluzie.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Create amzn_c_tdm
___ <- ___(
  ___,
  ___
)

# Print amzn_c_tdm to the console
___

# Create amzn_c_tdm2 by removing sparse terms 
___ <- ___

# Create hc as a cluster of distance values
___ <- ___(___,
           ___)

# Produce a plot of hc
___

Editează și rulează codul