使用商品評論的 BOW
你已經在小型資料集上練習過 BOW。現在要把它應用到一組 Amazon 商品評論樣本。資料已為你載入為 reviews，包含兩個欄位。第一個欄位為 score，當評論為負面時為 0，正面時為 1。第二個欄位為 review，包含顧客撰寫的評論文字。你可以在 IPython Shell 中自由探索資料。
你的任務是使用 review 欄位建立一個 BOW 詞彙表。
記得可以在向量化器上呼叫 .get_feature_names() 方法，取得所有詞彙元素的清單。
本練習屬於課程
Python 情感分析
練習說明
- 建立一個 CountVectorizer 物件，並指定最大特徵數。
- 對向量化器執行 fit。
- 對已 fit 的向量化器進行 transform。
- 建立一個 DataFrame，將稀疏矩陣轉換為稠密陣列，並確實正確指定欄位名稱。
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。
from sklearn.feature_extraction.text import CountVectorizer
# Build the vectorizer, specify max features
vect = ____(____=100)
# Fit the vectorizer
vect.____(reviews.review)
# Transform the review column
X_review = vect.____(reviews.review)
# Create the bow representation
X_df=pd.DataFrame(X_review._____, columns=___.____)
print(X_df.head())