你的第一個 BOW
Bag-of-words（詞袋模型）是一種把文字轉成數值形式的方法。
在這個練習中，你會先對清單 annak 套用 BOW，下一題再前往較大的資料集。
你的任務是用這個清單，搭配 CountVectorizer() 建立一個 BOW。這個轉換是理解文字情感的第一步。請留意可能帶有強烈情感的詞彙。
請記得，CountVectorizer() 的輸出是稀疏矩陣，只儲存非零的項目。若要檢視矩陣的實際內容，可以使用 .toarray() 方法把它轉成稠密陣列。
另外，這裡不需要指定 max_features 引數，因為文字很短。
本練習屬於課程
Python 情感分析
練習說明
- 從
sklearn.feature_extraction.text匯入 count vectorizer 函式。 - 在這個小型資料集上建構並擬合（fit）向量化器。
- 呼叫
transform()方法，建立名為anna_bow的 BOW 表示。 - 以稠密陣列的形式列印 BOW 結果。
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 function
____
annak = ['Happy families are all alike;', 'every unhappy family is unhappy in its own way']
# Build the vectorizer and fit it
anna_vect = ____
____.____(annak)
# Create the bow representation
anna_bow = anna_vect.____(annak)
# Print the bag-of-words result
print(anna_bow.toarray())