解读文档—词语矩阵
理解行、列与稀疏性
解读文档—词语矩阵 是 CoddyKit 上的免费 NLP Academy 课时。 这是第 4 节课，共 4 节。 你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。 这是 NLP Academy 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 NLP Academy 课程共包含 4 节课。
什么是 DTM
文档-词项矩阵是一个计数网格。每一行代表一个文档，每一列代表词汇表中的一个单词。🧮
行代表文档
一行保存一个文档的完整计数向量，概括其中每个单词出现了多少次。
列代表词项
每个列都会记录一个单词在所有文档中的情况，因此沿着某列向下读取，就能看到该单词出现在哪些位置。
单元格表示计数
第 i 行、第 j 列的值表示单词 j 在文档 i 中出现的次数，也就是一个计数。
检查形状
矩阵的形状会告诉您正在处理多少个文档以及多少个不重复的单词。
print(X.shape) # (n_documents, n_words)大多数单元格都是零
单个文档只会使用数千个单词中的一小部分，因此矩阵大多是零，这称为稀疏矩阵。
稀疏性为何重要
只存储非零值可以让巨大的矩阵保留在内存中。这就是 scikit-learn 返回稀疏格式的原因。
标记列
将数组与特征名称配对，可以让它更易读。DataFrame 会将原始计数转换为清晰的表格。
import pandas as pd
df = pd.DataFrame(X.toarray(), columns=names)读取一个文档
查看单独的一行，可以了解该文档的特征：它使用了哪些单词，以及使用了多少次。这一行就是它的指纹。
比较两个文档
相似的文档会有相似的行。比较向量可以测量两段文本在内容上的接近程度。
从矩阵到模型
这个矩阵就是您要提供给分类器的输入。DTM 是特征，而您的标签是目标。
快速检查
在文档-词项矩阵中，一个单元格保存什么？
回顾：DTM
您了解了文档-词项矩阵：行表示文档，列表示单词，单元格表示计数，并了解了它为什么是稀疏的。🎉
用 AI 导师学习 Python — 免费
在浏览器中编写并运行真实代码，获得全天候 AI 导师的即时帮助，并在网页或应用中继续学习。
- 课程
- 30
- 课程
- 120
常见问题解答
「解读文档—词语矩阵」课时是免费的吗？
是的 — 「解读文档—词语矩阵」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 NLP Academy 课程的其余内容，请升级到 CoddyKit PRO。 NLP Academy 课程共包含 4 节课。
「解读文档—词语矩阵」这节课中我会学到什么？
理解行、列与稀疏性 你通过在浏览器中直接运行的动手代码来练习 NLP Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。
学习 NLP Academy 需要有经验吗？
无需任何先前经验。CoddyKit 上的 NLP Academy 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。 这是第 4 节课，共 4 节。
「解读文档—词语矩阵」课时需要多长时间？
大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。
我能在这节 NLP Academy 课中编写并运行代码吗？
能。每节 NLP Academy 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。