Leggere la matrice documento-termine
Comprendere righe, colonne e sparsità
Leggere la matrice documento-termine è una lezione NLP Academy gratuita su CoddyKit. Questa è la lezione 4 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento NLP Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso NLP Academy include 4 lezioni in totale.
Che cos'è la DTM?
Una matrice documento-termine è una griglia di conteggi. Ogni riga è un documento e ogni colonna è una parola del vocabolario. 🧮
Le righe sono documenti
Una riga contiene l'intero vettore dei conteggi di un singolo documento e riassume quante volte vi compare ogni parola.
Le colonne sono termini
Ogni colonna segue una parola in tutti i documenti, quindi leggerla dall'alto verso il basso mostra dove compare quella parola.
Una cella contiene un conteggio
Il valore alla riga i e colonna j indica quante volte la parola j compare nel documento i: un singolo conteggio.
Controllare la forma
La forma della matrice indica con quanti documenti e quante parole uniche si sta lavorando.
print(X.shape) # (n_documents, n_words)La maggior parte delle celle è zero
Un singolo documento usa solo poche migliaia di parole disponibili, quindi la matrice contiene soprattutto zeri ed è detta sparsa.
Perché la scarsità è importante
Memorizzare solo i valori diversi da zero mantiene in memoria matrici enormi. Per questo scikit-learn restituisce un formato sparso.
Assegnare un'etichetta alle colonne
Associ l'array ai nomi delle caratteristiche per renderlo leggibile. Un DataFrame trasforma i conteggi grezzi in una tabella chiara.
import pandas as pd
df = pd.DataFrame(X.toarray(), columns=names)Leggere un documento
Esamini una singola riga per visualizzare il profilo del documento: quali parole usa e con quale frequenza. Quella riga è la sua impronta digitale.
Confrontare due documenti
Documenti simili hanno righe simili. Confrontare i vettori permette di misurare quanto due testi siano vicini per contenuto.
Dalla matrice al modello
Questa matrice è l'input da fornire a un classificatore. La DTM contiene le caratteristiche, mentre le etichette sono gli obiettivi.
Verifica rapida
In una matrice documento-termine, che cosa contiene una cella?
Riepilogo: la DTM
Ha letto la matrice documento-termine: righe come documenti, colonne come parole e celle come conteggi, comprendendo anche perché è sparsa. 🎉
Impara Python con un tutor IA — gratis
Scrivi ed esegui vero codice nel tuo browser, ricevi aiuto istantaneo da un tutor IA disponibile 24/7, e riprendi da dove hai lasciato sul web o nell'app.
- Corsi
- 30
- Lezioni
- 120
Domande Frequenti
La lezione «Leggere la matrice documento-termine» è gratuita?
Sì — il testo completo di «Leggere la matrice documento-termine» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso NLP Academy, passa a CoddyKit PRO. Il corso NLP Academy include 4 lezioni in totale.
Cosa imparerò in «Leggere la matrice documento-termine»?
Comprendere righe, colonne e sparsità Eserciti NLP Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare NLP Academy?
Non è richiesta alcuna esperienza precedente. NLP Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 4 di 4.
Quanto tempo richiede la lezione «Leggere la matrice documento-termine»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione NLP Academy?
Sì. Ogni lezione NLP Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Perché ai modelli servono numeri, non parole
- Creare un vocabolario
- Contare con CountVectorizer
- Leggere la matrice documento-termine