ПочатиПочніть безкоштовно

Масив частот слів tf-idf

У цій вправі ви створите масив частот слів tf-idf для невеликої колекції документів. Для цього скористайтеся TfidfVectorizer зі sklearn. Він перетворює список документів на масив частот слів і повертає його як csr_matrix. Обʼєкт має методи fit() і transform(), як і інші обʼєкти sklearn.

Вам надано список documents з прикладними документами про домашніх улюбленців.

Ця вправа є частиною курсу

Наглядове навчання в Python

Переглянути курс

Інструкції до вправи

  • Імпортуйте TfidfVectorizer з sklearn.feature_extraction.text.
  • Створіть екземпляр TfidfVectorizer з назвою tfidf.
  • Застосуйте метод .fit_transform() обʼєкта tfidf до documents і запишіть результат у csr_mat. Це масив частот слів у форматі csr_matrix.
  • Перегляньте csr_mat, викликавши його метод .toarray() і вивівши результат. Це зроблено для вас.
  • Стовпці масиву відповідають словам. Отримайте список слів, викликавши метод .get_feature_names_out() обʼєкта tfidf, і запишіть результат у words.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Import TfidfVectorizer
from ____ import ____

# Create a TfidfVectorizer: tfidf
tfidf = ____ 

# Apply fit_transform to document: csr_mat
csr_mat = ____

# Print result of toarray() method
print(csr_mat.toarray())

# Get the words: words
words = ____

# Print words
print(words)
Редагувати та запускати код