怎么使用Python的sklearn中的CountVectorizer

这篇“怎么使用Python的sklearn中的CountVectorizer”文章的知识点大部分人都不太理解,所以小编给大家总结了以下内容,内容详细,步骤清晰,具有一定的借鉴价值,希望大家阅读完这篇文章能有所收获,下面我们一起来看看这篇“怎么使用Python的sklearn中的CountVectorizer”文章吧。

站在用户的角度思考问题,与客户深入沟通,找到润州网站设计与润州网站推广的解决方案,凭借多年的经验,让设计与互联网技术结合,创造个性化、用户体验好的作品,建站类型包括:成都网站设计、网站制作、企业官网、英文网站、手机端网站、网站推广、空间域名、网页空间、企业邮箱。业务覆盖润州地区。

简介

CountVectorizer官方文档。

将一个文档集合向量化为为一个计数矩阵。

如果不提供一个先验字典,不使用分析器做某种特征选择,那么特征的数量将等于通过分析数据发现的词汇量。

数据预处理

两种方法:1.可以不分词直接投入模型;2.可以先将中文文本进行分词。

两种方法产生的词汇会非常不同。在后面会具体给出示范。

import jieba
import re
from sklearn.feature_extraction.text import CountVectorizer
#原始数据
text = ['很少在公众场合手机外放',
        '大部分人都还是很认真去学习的',
        '他们会用行动来',
        '无论你现在有多颓废,振作起来',
        '只需要一点点地改变',
        '你的外在和内在都能焕然一新']
#提取中文
text = [' '.join(re.findall('[\u4e00-\u9fa5]+',tt,re.S)) for tt in text]
#分词
text = [' '.join(jieba.lcut(tt)) for tt in text]
text

怎么使用Python的sklearn中的CountVectorizer

构建模型

训练模型
#构建模型
vectorizer = CountVectorizer()
#训练模型
X = vectorizer.fit_transform(text)
所有词汇:model.get_feature_names()
#所有文档汇集后生成的词汇
feature_names = vectorizer.get_feature_names()
print(feature_names)

不分词生成的词汇

怎么使用Python的sklearn中的CountVectorizer

分词后生成的词汇

怎么使用Python的sklearn中的CountVectorizer

计数矩阵:X.toarray()
#每个文档相对词汇量出现次数形成的矩阵
matrix = X.toarray()
print(matrix)

怎么使用Python的sklearn中的CountVectorizer

#计数矩阵转化为DataFrame
df = pd.DataFrame(matrix, columns=feature_names)
df

怎么使用Python的sklearn中的CountVectorizer

词汇索引:model.vocabulary_
print(vectorizer.vocabulary_)

怎么使用Python的sklearn中的CountVectorizer

以上就是关于“怎么使用Python的sklearn中的CountVectorizer”这篇文章的内容,相信大家都有了一定的了解,希望小编分享的内容对大家有帮助,若想了解更多相关的知识内容,请关注创新互联行业资讯频道。


网站题目:怎么使用Python的sklearn中的CountVectorizer
链接地址:http://pwwzsj.com/article/pcjggj.html