在相同資料上比較 Tfidf 與 BOW
在這個練習中，你將同時使用 bag-of-words（BOW）與 tfidf 轉換來處理 Amazon 產品 reviews 的 review 欄位。
建立兩個向量化器，僅指定最大特徵數為 100。在轉換後建立 DataFrame，並列印各自的前 5 列。
請留意你如何設定詞彙表中的最大特徵數。詞彙表過大可能會導致你的工作階段被中斷。
本練習屬於課程
Python 情感分析
練習說明
- 匯入 BOW 與 Tfidf 的向量化器。
- 以
review欄位建立並擬合 BOW 與 Tfidf 向量化器，並將產生的特徵數限制為 100。 - 由轉換後的向量表示建立 DataFrame。
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。
# Import the required packages
____
# Build a BOW and tfidf vectorizers from the review column and with max of 100 features
vect1 = ____(____=100).____(____.____)
vect2 = ____(____=100).____(____.____)
# Transform the vectorizers
X1 = vect1.transform(reviews.review)
X2 = vect2.transform(reviews.review)
# Create DataFrames from the vectorizers
X_df1 = pd.DataFrame(X1.____, columns=____.____)
X_df2 = pd.DataFrame(X2.____, columns=____.____)
print('Top 5 rows using BOW: \n', X_df1.head())
print('Top 5 rows using tfidf: \n', X_df2.head())