Lire la matrice document-terme
Comprendre les lignes, les colonnes et le caractère creux
Lire la matrice document-terme est une leçon NLP Academy gratuite sur CoddyKit. Ceci est la leçon 4 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage NLP Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours NLP Academy comprend 4 leçons au total.
Qu’est-ce que la DTM ?
Une matrice document-terme est une grille de comptages. Chaque ligne représente un document et chaque colonne un mot de votre vocabulaire. 🧮
Les lignes sont les documents
Une ligne contient le vecteur complet de comptages d’un document, en résumant le nombre d’occurrences de chaque mot.
Les colonnes sont les termes
Chaque colonne suit un mot dans tous les documents. Lire une colonne de haut en bas montre donc où ce mot apparaît.
Une cellule contient un comptage
La valeur située à la ligne i et à la colonne j indique combien de fois le mot j apparaît dans le document i : c’est un seul comptage.
Vérifier la forme
La forme de la matrice indique avec combien de documents et de mots uniques vous travaillez.
print(X.shape) # (n_documents, n_words)La plupart des cellules valent zéro
Un document donné n’utilise que quelques-uns des milliers de mots. La matrice est donc principalement composée de zéros et est dite creuse.
Pourquoi le caractère creux est important
Ne stocker que les valeurs non nulles permet de conserver d’immenses matrices en mémoire. C’est pourquoi scikit-learn renvoie un format creux.
Étiqueter les colonnes
Associez le tableau aux noms des caractéristiques pour le rendre lisible. Un DataFrame transforme les comptages bruts en tableau clair.
import pandas as pd
df = pd.DataFrame(X.toarray(), columns=names)Lire un document
Examinez une seule ligne pour voir le profil du document : les mots qu’il utilise et leur fréquence. Cette ligne constitue son empreinte.
Comparer deux documents
Les documents similaires ont des lignes similaires. Comparer les vecteurs permet de mesurer à quel point deux textes sont proches par leur contenu.
De la matrice au modèle
Cette matrice est l’entrée fournie à un classificateur. La DTM contient les caractéristiques et vos étiquettes sont les cibles.
Vérification rapide
Dans une matrice document-terme, que contient une cellule ?
Récapitulatif : la DTM
Vous avez lu la matrice document-terme : les lignes représentent les documents, les colonnes les mots et les cellules les comptages. Vous avez également compris pourquoi elle est creuse. 🎉
Questions Fréquemment Posées
La leçon « Lire la matrice document-terme » est-elle gratuite ?
Oui — le texte complet de « Lire la matrice document-terme » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours NLP Academy, passe à CoddyKit PRO. Le cours NLP Academy comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Lire la matrice document-terme » ?
Comprendre les lignes, les colonnes et le caractère creux Tu pratiques NLP Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer NLP Academy ?
Aucune expérience préalable n'est requise. NLP Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 4 sur 4.
Combien de temps prend la leçon « Lire la matrice document-terme » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon NLP Academy ?
Oui. Chaque leçon NLP Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Pourquoi les modèles ont besoin de nombres, pas de mots
- Créer un vocabulaire
- Compter avec CountVectorizer
- Lire la matrice document-terme