詞向量投影

你可以用散佈圖視覺化詞向量，幫助你理解詞彙如何被分群。要視覺化詞向量，必須先把它們投影到二維空間。你可以透過主成分分析（Principal Component Analysis，PCA）擷取前兩個主成分來完成投影。

在這個練習中，你將練習如何擷取詞向量，並使用 sklearn 的 PCA 函式庫將它們投影到二維空間。

words 清單中已提供一小串單字，並可使用 en_core_web_md 模型。模型已載入為 nlp。所有必要的函式庫與套件都已為你匯入（PCA、將 numpy 匯入為 np）。

本練習屬於課程

使用 spaCy 的自然語言處理

檢視課程

練習說明

從給定的單字中擷取其 ID，並將結果存入 word_ids 清單。
擷取這些單字之詞向量的前五個元素，接著使用 np.vstack() 垂直堆疊，存入 word_vectors。
給定 pca 物件，使用 pca 類別的 .fit_transform() 函式計算轉換後的詞向量。
使用 [:, 0] 索引列印轉換後詞向量的第一個成分。

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。

words = ["tiger", "bird"]

# Extract word IDs of given words
word_ids = [nlp.____.____[w] for w in words]

# Extract word vectors and stack the first five elements vertically
word_vectors = np.vstack([nlp.____.____[i][:5] for i in word_ids])

# Calculate the transformed word vectors using the pca object
pca = PCA(n_components=2)
word_vectors_transformed = pca.____(____)

# Print the first component of the transformed word vectors
print(____[:, 0])

編輯並執行程式碼