机器学习基础(二)——词集模型(SOW)和词袋模型(BOW)

本文介绍了机器学习中的词集模型(SOW)和词袋模型(BOW)的基础概念。词集模型关注单词的独特性,每个单词在集合中仅出现一次;词袋模型则统计单词在文档中的出现次数。通过这些模型,可以为文档生成相应的表示。文章以一个简单的例子展示了如何为文档创建词集和词袋向量。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

分享一下我老师大神的人工智能教程!零基础,通俗易懂!http://blog.youkuaiyun.com/jiangjunshow

也欢迎大家转载本篇文章。分享知识,造福人民,实现我们中华民族伟大复兴!

                       
  • (1)词集模型:Set Of Words,单词构成的集合,集合自然每个元素都只有一个,也即词集中的每个单词都只有一个
  • (2)词袋模型:Bag Of Words,如果一个单词在文档中出现不止一次,并统计其出现的次数(频数)

为文档生成对应的词集模型和词袋模型

考虑如下的文档:

dataset = [['my', 'dog', 'has', 'flea', 'problems', 'help', 'please'],         ['maybe', 'not', 'take', 'him', 'to', 'dog', 'park', 'stupid'],         ['my', 'dalmation', 'is', 'so', 'cute', 'I', 'love', 'him'],         ['stop', 'posting', 'stupid', 'worthless', 'garbage'],         ['mr', 'licks', 'ate', 'my', 'steak', 'how', 'to', 'stop', 'him'],         ['quit', 'buying', 'worthless', 'dog', 'food', 'stupid']]
  
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6

list of lists 的每一行表示一个文档;

第一步:生成词汇表

vocabSet = set()for doc in dataset:    vocabSet |= set(doc)vocabList = list(vocabSet)
  
  • 1
  • 2
  • 3
  • 4

为每一个文档创建词集向量/词袋向量

# 词集模型SOW = []for doc in dataset:    vec = [0]*len(vocabList)    for i, word in enumerate(vocabList):        if word in doc:            vec[i] = 1    SOW.append(doc) # 词袋模型BOW = []for doc in dataset:    vec = [0]*len(vocabList)    for word in doc:        vec[vocabList.index[word]] += 1    BOW.append(vec)
  
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
           

给我老师的人工智能教程打call!http://blog.youkuaiyun.com/jiangjunshow
这里写图片描述
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值