電影叢集中的熱門關鍵詞
現在你已經建立了稀疏矩陣，請產生叢集中心，並印出每個叢集中排名前 3 的關鍵詞。使用 .todense() 方法把稀疏矩陣 tfidf_matrix 轉成一般矩陣，讓 kmeans() 函式可以處理。接著，使用 .get_feature_names() 方法，從 tfidf_vectorizer 物件取得詞彙列表。Python 中的 zip() 函式可以把兩個列表配對在一起。
先前產生的 tfidf_vectorizer 物件與稀疏矩陣 tfidf_matrix 已在本練習中保留可用。kmeans 已從 SciPy 匯入。
如果資料點數量更多，形成的叢集會更清楚。不過這需要較多運算資源，在這裡的練習中較難完成。
本練習屬於課程
Python 中的叢集分析
練習說明
- 使用
kmeans()函式產生叢集中心。 - 從
tfidf_vectorizer物件產生詞彙列表。 - 印出每個叢集的前 3 個關鍵詞。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
num_clusters = 2
# Generate cluster centers through the kmeans function
cluster_centers, distortion = ____
# Generate terms from the tfidf_vectorizer object
terms = tfidf_vectorizer.____()
for i in range(num_clusters):
# Sort the terms and print top 3 terms
center_terms = dict(zip(____, ____))
sorted_terms = sorted(____, key=center_terms.get, reverse=True)
print(____)