词向量投影

您可以在散点图中可视化词向量，以帮助理解词汇在向量空间中的聚类情况。要进行可视化，需要将词向量投影到二维空间。您可以通过主成分分析（PCA）提取前两个主成分来完成投影。

在本练习中，您将练习如何提取词向量，并使用 sklearn 中的 PCA 将其投影到二维空间。

words 列表中提供了一小组单词，另有 en_core_web_md 模型可用，已加载为 nlp。所有必要的库和包也已为您导入（PCA，以及将 numpy 导入为 np）。

本练习是课程的一部分

使用 spaCy 的自然语言处理

查看课程

练习说明

从给定单词中提取词 ID，并将其存入列表 word_ids。
提取这些单词词向量的前 5 个元素，然后使用 np.vstack() 纵向堆叠，存入 word_vectors。
给定一个 pca 对象，使用 pca 类的 .fit_transform() 函数计算转换后的词向量。
使用 [:, 0] 索引打印转换后词向量的第一主成分。

交互式实操练习

通过完成这段示例代码来试试这个练习。

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])

编辑并运行代码