Jämföra BoW- och TF-IDF-representationer
Du ingår i analysteamet på ett företag inom bärbar teknik. Uppgiften är att hjälpa produktchefer att förstå kundfeedback om företagets nya smartklocka. Du har redan förbehandlat texten och skapat två representationer: bow_matrix med CountVectorizer() och tfidf_matrix med TfidfVectorizer(). I den här övningen ska du visualisera och jämföra de två för att bättre förstå hur varje representation fångar ords betydelse.
Den här övningen är en del av kursen
Natural Language Processing (NLP) i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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()