Mit CountVectorizer zählen
Dokumente in eine Zählmatrix umwandeln
Mit CountVectorizer zählen ist eine kostenlose NLP Academy-Lektion auf CoddyKit. Dies ist Lektion 3 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des NLP Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der NLP Academy-Kurs umfasst insgesamt 4 Lektionen.
Meet CountVectorizer
Der CountVectorizer von scikit-learn erstellt in nur wenigen Zeilen Ihr Vokabular und zählt Wörter für Sie. 🚀
from sklearn.feature_extraction.text import CountVectorizerCreate the Vectorizer
Erstellen Sie zuerst eine Instanz. Ohne Argumente werden sinnvolle Standardwerte für die Tokenisierung und die Umwandlung von Text in Kleinbuchstaben verwendet.
vectorizer = CountVectorizer()Fit Learns the Vocabulary
Das Aufrufen von fit scans your documents and discovers every unique word, building the vocabulary automatically.
vectorizer.fit(docs)Transform Produces Counts
Anschließend wandelt transform jedes Dokument in seinen Häufigkeitsvektor um, wodurch Sie eine numerische Matrix der Wortfrequenzen erhalten.
X = vectorizer.transform(docs)Fit and Transform Together
Die Verknüpfung fit_transform führt beide Schritte gleichzeitig für Ihre Trainingsdaten aus, was der gängige Workflow ist.
X = vectorizer.fit_transform(docs)See the Vocabulary
Untersuchen Sie die gelernten Wörter und deren Indizes mit get_feature_names_out. Das sind Ihre Matrixspalten.
print(vectorizer.get_feature_names_out())Output Is a Sparse Matrix
Um Speicher zu sparen, ist das Ergebnis eine sparse Matrix (Dünnbesetzte Matrix), die nur die von Null verschiedenen Zählwerte speichert, nicht jeden Null-Slot.
Peek at the Numbers
In ein dichtes Array umwandeln, um die Zählwerte tatsächlich auszulesen. Verwenden Sie toarray nur für kleine Beispiele.
print(X.toarray())Lowercasing Is Automatic
Standardmäßig werden die Texte in Kleinbuchstaben umgewandelt und an Wortgrenzen getrennt, sodass The und the als dasselbe Token zählen.
Built-In Cleaning Options
Sie können stop_words, min_df oder max_features übergeben, um das Vokabular direkt im Vectorizer zu beschneiden.
CountVectorizer(stop_words="english", max_features=1000)Reuse on New Text
Führe niemals ein erneutes Fit auf Testdaten durch. Rufe nur transform auf, damit neue Dokumente exakt dasselbe Vokabular verwenden, mit dem du trainiert hast.
X_new = vectorizer.transform(new_docs)Quick Check
Welcher Aufruf lernt den Wortschatz und zählt in einem Schritt?
Recap: CountVectorizer
Du hast CountVectorizer verwendet, um ein Vokabular anzupassen, Text in Zählungen umzuwandeln, Merkmale zu inspizieren und es auf neue Daten anzuwenden. 🎉
Häufig gestellte Fragen
Ist die Lektion „Mit CountVectorizer zählen“ kostenlos?
Ja — der vollständige Text von „Mit CountVectorizer zählen“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des NLP Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der NLP Academy-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Mit CountVectorizer zählen“?
Dokumente in eine Zählmatrix umwandeln Du übst NLP Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um NLP Academy zu starten?
Keine Vorkenntnisse erforderlich. NLP Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 3 von 4.
Wie lange dauert die Lektion „Mit CountVectorizer zählen“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser NLP Academy-Lektion Code schreiben und ausführen?
Ja. Jede NLP Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Warum Modelle Zahlen statt Wörter benötigen
- Ein Vokabular erstellen
- Mit CountVectorizer zählen
- Die Dokument-Term-Matrix lesen