Odczytywanie macierzy dokument-termin
Zrozum wiersze, kolumny i rzadkość
Odczytywanie macierzy dokument-termin to bezpłatna lekcja NLP Academy na CoddyKit. To lekcja 4 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej NLP Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs NLP Academy zawiera 4 lekcji w sumie.
Czym jest DTM?
Macierz dokument-termin to siatka zliczeń. Każdy wiersz oznacza dokument, a każda kolumna — słowo ze słownika. 🧮
Wiersze to dokumenty
Jeden wiersz zawiera pełny wektor zliczeń pojedynczego dokumentu i podsumowuje, ile razy wystąpiło w nim każde słowo.
Kolumny to terminy
Każda kolumna śledzi jedno słowo we wszystkich dokumentach, więc odczytanie kolumny z góry na dół pokazuje, gdzie pojawia się to słowo.
Komórka zawiera zliczenie
Wartość w wierszu i, kolumnie j oznacza, ile razy słowo j wystąpiło w dokumencie i — jest pojedynczym zliczeniem.
Sprawdzanie wymiarów
Kształt macierzy informuje, z iloma dokumentami i unikalnymi słowami ma Pan/Pani do czynienia.
print(X.shape) # (n_documents, n_words)Większość komórek zawiera zero
Pojedynczy dokument wykorzystuje tylko kilka spośród tysięcy słów, dlatego macierz składa się głównie z zer i nazywa się rzadką.
Dlaczego rzadkość ma znaczenie
Przechowywanie tylko niezerowych wartości pozwala trzymać ogromne macierze w pamięci. Dlatego scikit-learn zwraca format rzadki.
Nadawanie nazw kolumnom
Należy połączyć tablicę z nazwami cech, aby stała się czytelna. Obiekt DataFrame zamienia surowe zliczenia w przejrzystą tabelę.
import pandas as pd
df = pd.DataFrame(X.toarray(), columns=names)Odczytywanie jednego dokumentu
Wyświetlenie pojedynczego wiersza pokazuje profil dokumentu: używane słowa i częstość ich występowania. Ten wiersz jest jego odciskiem palca.
Porównywanie dwóch dokumentów
Podobne dokumenty mają podobne wiersze. Porównywanie wektorów pozwala zmierzyć, jak bliskie są sobie dwa teksty pod względem treści.
Od macierzy do modelu
Ta macierz jest danymi wejściowymi przekazywanymi klasyfikatorowi. DTM zawiera cechy, a etykiety są wartościami docelowymi.
Szybkie sprawdzenie
Co zawiera pojedyncza komórka macierzy dokument-termin?
Podsumowanie: DTM
Zapoznał(a) się Pan/Pani z macierzą dokument-termin: wierszami jako dokumentami, kolumnami jako słowami i komórkami jako zliczeniami, a także zobaczył(a), dlaczego jest rzadka. 🎉
Ucz się Python dzięki korepetycjom AI — za darmo
Pisz i uruchamiaj kod w przeglądarce, otrzymuj natychmiastową pomoc od korepetytora AI dostępnego 24/7 i kontynuuj naukę w sieci lub w aplikacji.
- Kursy
- 30
- Lekcje
- 120
Często zadawane pytania
Czy lekcja „Odczytywanie macierzy dokument-termin” jest bezpłatna?
Tak — pełny tekst „Odczytywanie macierzy dokument-termin” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu NLP Academy, przejdź na CoddyKit PRO. Kurs NLP Academy zawiera 4 lekcji w sumie.
Co nauczysz się w „Odczytywanie macierzy dokument-termin”?
Zrozum wiersze, kolumny i rzadkość Ćwiczysz NLP Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć NLP Academy?
Nie wymagamy żadnego doświadczenia. NLP Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 4 z 4.
Ile czasu zajmuje lekcja „Odczytywanie macierzy dokument-termin”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji NLP Academy?
Tak. Każda lekcja NLP Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Dlaczego modele potrzebują liczb, a nie słów
- Tworzenie słownika
- Liczenie za pomocą CountVectorizer
- Odczytywanie macierzy dokument-termin