在本练习中，您将得到四个数据框 df1、df2、df3 和 df4。每个数据框的最后一列是预测变量，其余列是训练特征。
df1
df2
df3
df4
请使用控制台判断哪个数据框的格式适合用于训练分类器。
本练习是课程的一部分
通过我们的互动练习之一，将理论转化为实践
学习计算基础特征，如单词数、字符数、平均词长，以及特殊字符数量（例如 Twitter 话题标签与提及）。您还将学习计算可读性评分，并判断理解一段文本所需的受教育程度。
当前练习
在本章中，您将学习分词和词形还原。随后，您将学习如何使用 spaCy 库进行文本清洗、词性标注和命名实体识别。掌握这些概念后，您将把《葛底斯堡演说》转换为机器可处理的格式，分析虚假新闻中的名词用法，并识别 TechCrunch 文章中提到的人物。
学习 n-gram 建模，并将其用于对电影评论进行情感分析。
学习如何计算 tf-idf 权重以及两向量之间的余弦相似度。您将利用这些概念构建电影和 TED 演讲的推荐器。最后，您还将学习词嵌入，并使用词向量表示来计算多首 Pink Floyd 歌曲之间的相似度。
