Aynı veride Tfidf ve BOW
Bu egzersizde, Amazon ürün reviews veri kümesindeki review sütununu hem bag-of-words hem de tfidf dönüşümüyle dönüştüreceksin.
Her iki vektörleştiriciyi de yalnızca en fazla özellik sayısını 100 olacak şekilde kur. Dönüşümden sonra DataFrame'ler oluştur ve her birinin ilk 5 satırını yazdır.
Söz varlığında en fazla özellik sayısını nasıl belirttiğine dikkat et. Büyük bir söz varlığı boyutu, oturumunun bağlantısının kesilmesine yol açabilir.
Bu egzersiz, kursun bir parçasıdır
Python ile Duygu Analizi
Egzersiz talimatları
- BOW ve Tfidf vektörleştiricilerini içe aktar.
reviewsütunundan bir BOW ve bir Tfidf vektörleştirici oluşturup eğit ve oluşturulan özellik sayısını 100 ile sınırla.- Dönüştürülmüş vektör temsillerinden DataFrame'ler oluştur.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Import the required packages
____
# Build a BOW and tfidf vectorizers from the review column and with max of 100 features
vect1 = ____(____=100).____(____.____)
vect2 = ____(____=100).____(____.____)
# Transform the vectorizers
X1 = vect1.transform(reviews.review)
X2 = vect2.transform(reviews.review)
# Create DataFrames from the vectorizers
X_df1 = pd.DataFrame(X1.____, columns=____.____)
X_df2 = pd.DataFrame(X2.____, columns=____.____)
print('Top 5 rows using BOW: \n', X_df1.head())
print('Top 5 rows using tfidf: \n', X_df2.head())