Ürün yorumlarıyla BOW
Küçük bir veri kümesi üzerinde bir BOW uygulamıştın. Şimdi bunu Amazon ürün yorumlarının bir örneklemine uygulayacaksın. Veriler senin için içe aktarıldı ve reviews olarak adlandırıldı. İki sütun içeriyor. İlki score ve yorum olumsuzken 0, olumluyken 1. İkinci sütun review ve müşterinin yazdığı yorum metnini içeriyor. Veriyi IPython Shell içinde keşfetmekte özgürsün.
Görevin, review sütununu kullanarak bir BOW sözlüğü oluşturmak.
Vektörizer üzerinde .get_feature_names() metodunu çağırarak tüm sözlük öğelerinin bir listesini elde edebileceğini unutma.
Bu egzersiz, kursun bir parçasıdır
Python ile Duygu Analizi
Egzersiz talimatları
- Maksimum özellik sayısını belirterek bir CountVectorizer nesnesi oluştur.
- Vektörizeri fit et.
- Fit edilen vektörizer ile dönüşüm yap.
- Seyrek matrisi yoğun bir diziye dönüştürerek bir DataFrame oluştur ve sütun adlarını doğru şekilde belirttiğinden emin ol.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
from sklearn.feature_extraction.text import CountVectorizer
# Build the vectorizer, specify max features
vect = ____(____=100)
# Fit the vectorizer
vect.____(reviews.review)
# Transform the review column
X_review = vect.____(reviews.review)
# Create the bow representation
X_df=pd.DataFrame(X_review._____, columns=___.____)
print(X_df.head())