Lectura de la matriz documento-término
Comprender las filas, las columnas y la dispersión
Lectura de la matriz documento-término es una lección gratuita de NLP Academy en CoddyKit. Esta es la lección 4 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de NLP Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de NLP Academy incluye 4 lecciones en total.
¿Qué es la DTM?
Una matriz documento-término es una cuadrícula de conteos. Cada fila es un documento y cada columna es una palabra del vocabulario. 🧮
Las filas son documentos
Una fila contiene el vector de conteos completo de un solo documento y resume cuántas veces apareció cada palabra en él.
Las columnas son términos
Cada columna realiza el seguimiento de una palabra en todos los documentos, por lo que leerla de arriba abajo muestra dónde aparece esa palabra.
Una celda es un conteo
El valor de la fila i y la columna j indica cuántas veces apareció la palabra j en el documento i: un único conteo.
Comprobar la forma
La forma de la matriz indica con cuántos documentos y cuántas palabras únicas está trabajando.
print(X.shape) # (n_documents, n_words)La mayoría de las celdas son cero
Cada documento utiliza solo unas pocas de las miles de palabras, por lo que la matriz está compuesta principalmente de ceros; se denomina dispersa.
Por qué importa la dispersión
Almacenar solo los valores distintos de cero permite mantener matrices enormes en memoria. Por eso scikit-learn devuelve un formato disperso.
Etiquetar las columnas
Asocie el array con los nombres de las características para hacerlo legible. Un DataFrame convierte los conteos sin procesar en una tabla clara.
import pandas as pd
df = pd.DataFrame(X.toarray(), columns=names)Leer un documento
Observe una sola fila para ver el perfil del documento: qué palabras utiliza y con qué frecuencia. Esa fila es su huella.
Comparar dos documentos
Los documentos similares tienen filas similares. Comparar vectores permite medir qué tan cercanos son dos textos en cuanto a contenido.
De la matriz al modelo
Esta matriz es la entrada que proporciona a un clasificador. La DTM contiene las características y sus etiquetas son los objetivos.
Comprobación rápida
En una matriz documento-término, ¿qué contiene una celda?
Repaso: la DTM
Ha leído la matriz documento-término: filas como documentos, columnas como palabras y celdas como conteos, y ha visto por qué es dispersa. 🎉
Aprende Python con un tutor de IA — gratis
Escribe y ejecuta código real en tu navegador, obtén ayuda instantánea de un tutor de IA disponible 24/7 y continúa donde lo dejaste en la web o en la aplicación.
- Cursos
- 30
- Lecciones
- 120
Preguntas frecuentes
¿La lección «Lectura de la matriz documento-término» es gratis?
Sí — el texto completo de «Lectura de la matriz documento-término» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de NLP Academy, actualiza a CoddyKit PRO. El curso de NLP Academy incluye 4 lecciones en total.
¿Qué aprenderé en «Lectura de la matriz documento-término»?
Comprender las filas, las columnas y la dispersión Practicas NLP Academy con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar NLP Academy?
No se requiere experiencia previa. NLP Academy en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 4 de 4.
¿Cuánto tiempo toma la lección «Lectura de la matriz documento-término»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de NLP Academy?
Sí. Cada lección de NLP Academy incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Por qué los modelos necesitan números, no palabras
- Construcción de un vocabulario
- Conteo con CountVectorizer
- Lectura de la matriz documento-término