Kích thước từ vựng của đánh giá phim
Trong bài tập này, bạn sẽ thực hành các cách khác nhau để giới hạn kích thước tập từ vựng bằng cách dùng một mẫu của tập dữ liệu đánh giá movies. Cột đầu tiên là review thuộc kiểu object, và cột thứ hai là label, với 0 cho đánh giá tiêu cực và 1 cho đánh giá tích cực.
Ba phương pháp bạn sẽ dùng sẽ biến đổi cột văn bản thành các cột số mới, ghi lại số lần xuất hiện của một từ hoặc cụm từ trong mỗi đánh giá. Mỗi phương pháp cuối cùng sẽ tạo ra số lượng đặc trưng (feature) mới khác nhau.
Bài tập này là một phần của khóa học
Phân tích cảm xúc với Python
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
from sklearn.feature_extraction.text import CountVectorizer
# Build the vectorizer, specify size of vocabulary and fit
vect = CountVectorizer(____=____)
vect.fit(movies.review)
# Transform the review column
X_review = vect.transform(movies.review)
# Create the bow representation
X_df = pd.DataFrame(X_review.toarray(), columns=vect.get_feature_names())
print(X_df.head())