Tellen met CountVectorizer
Zet documenten om in een telmatrix
Tellen met CountVectorizer is een gratis NLP Academy-les op CoddyKit. Dit is les 3 van 4. Je kunt 3 lessen uit dit leerpad gratis volledig lezen — daarna ontgrendelt CoddyKit PRO alle lessen, plus praktische oefeningen met een ingebouwde code-editor en een AI-tutor die 24/7 beschikbaar is. Deze les maakt deel uit van het leertraject NLP Academy. Je voortgang wordt gesynchroniseerd op het web en in de CoddyKit-app. De cursus NLP Academy bevat in totaal 4 lessen.
Maak kennis met CountVectorizer
De CountVectorizer uit scikit-learn bouwt je woordenschat op en telt woorden voor je in slechts enkele regels. 🚀
from sklearn.feature_extraction.text import CountVectorizerDe vectorizer maken
Maak eerst een instantie. Zonder argumenten gebruikt deze verstandige standaardwaarden voor het tokeniseren en omzetten naar kleine letters.
vectorizer = CountVectorizer()Fit leert de woordenschat
Een aanroep van fit scant je documenten en ontdekt elk uniek woord, waarmee de woordenschat automatisch wordt opgebouwd.
vectorizer.fit(docs)Transform produceert aantallen
Vervolgens zet transform elk document om in zijn telvector, zodat je een numerieke matrix met woordfrequenties krijgt.
X = vectorizer.transform(docs)Fit en transform samen
De snelkoppeling fit_transform voert beide stappen tegelijk uit op je trainingsdata; dat is de gebruikelijke werkwijze.
X = vectorizer.fit_transform(docs)De woordenschat bekijken
Bekijk de geleerde woorden en hun indexen met get_feature_names_out. Dit zijn de kolommen van je matrix.
print(vectorizer.get_feature_names_out())De uitvoer is een ijle matrix
Om geheugen te besparen is het resultaat een ijle matrix waarin alleen de niet-nul-aantallen worden opgeslagen, niet elke nulpositie.
De getallen bekijken
Zet de matrix om naar een dichte array om de aantallen echt te kunnen lezen. Gebruik toarray alleen voor kleine voorbeelden.
print(X.toarray())Omzetten naar kleine letters gaat automatisch
Standaard zet het tekst om naar kleine letters en splitst het op woordgrenzen, zodat The en the als hetzelfde token worden geteld.
Ingebouwde opties voor opschonen
Je kunt stop_words, min_df of max_features meegeven om de woordenschat rechtstreeks in de vectorizer te snoeien.
CountVectorizer(stop_words="english", max_features=1000)Nieuwe tekst hergebruiken
Pas nooit opnieuw fit toe op testgegevens. Roep alleen transform aan, zodat nieuwe documenten precies dezelfde woordenschat gebruiken als tijdens het trainen.
X_new = vectorizer.transform(new_docs)Korte controle
Welke aanroep leert de woordenschat en telt alles in één stap?
Samenvatting: CountVectorizer
Je hebt CountVectorizer gebruikt om een woordenschat te trainen, tekst om te zetten in aantallen, kenmerken te bekijken en de vectorizer opnieuw te gebruiken voor nieuwe gegevens. 🎉
Leer Python met een AI-tutor — gratis
Schrijf echte code en voer die uit in je browser, krijg direct hulp van een AI-tutor die 24/7 beschikbaar is en ga verder waar je gebleven bent op het web of in de app.
- Cursussen
- 30
- Lessen
- 120
Veelgestelde vragen
Is de les “Tellen met CountVectorizer” gratis?
Ja — je kunt hier op het web alle 3 lessen van het leerpad NLP Academy, waaronder “Tellen met CountVectorizer”, gratis volledig lezen. Daarna ontgrendelt CoddyKit PRO alle lessen, plus interactieve oefeningen met een ingebouwde code-editor en een AI-tutor die 24/7 beschikbaar is. De cursus NLP Academy bevat in totaal 4 lessen.
Wat leer ik in “Tellen met CountVectorizer”?
Zet documenten om in een telmatrix Je oefent met NLP Academy door code rechtstreeks in de browser uit te voeren. Een AI-begeleider die 24/7 beschikbaar is beantwoordt je vragen terwijl je de les doorwerkt.
Heb ik ervaring nodig om met NLP Academy te beginnen?
Ervaring vooraf is niet nodig. NLP Academy op CoddyKit is opgebouwd voor beginners tot gevorderden, zodat je hier of bij het begin kunt starten en in je eigen tempo kunt leren. Dit is les 3 van 4.
Hoe lang duurt de les “Tellen met CountVectorizer”?
De meeste lessen van CoddyKit duren ongeveer 5–10 minuten. Elke les is kort en interactief, zodat je gestaag vooruitgaat en op het web en in de app precies verdergaat waar je was gebleven.
Kan ik code schrijven en uitvoeren in deze les over NLP Academy?
Ja. Elke les over NLP Academy bevat een ingebouwde code-editor, zodat je rechtstreeks in je browser echte code kunt schrijven en uitvoeren en direct feedback van AI krijgt — lokale installatie is niet nodig.
Alle lessen in deze cursus
- Waarom modellen getallen nodig hebben, geen woorden
- Een vocabulaire bouwen
- Tellen met CountVectorizer
- De document-termmatrix lezen