Desarrollo de Python
  1. Desarrollo de Python
  3. Encuentra el término más común en Scikit-learn classifier
Intereting Posts
lista de ruptura de comprensión Tiempo de respuesta alto esporádico de Heroku Botella de Python: cómo cargar archivos de medios sin dosificar el servidor pandas multi index clasificar campos específicos ¿Se entrega Django con las plantillas de autenticación para usar con el módulo django.contrib.auth? Python: ¿Cómo puedo encontrar todos los archivos con una extensión en particular? Frasco de inicio de sesión y problemas Heroku Clase de importación de Python con el mismo nombre que el directorio Agregar varias capas a TensorFlow hace que la función de pérdida se convierta en Nan ¿Mecanizar no ver algunas entradas de forma oculta? Python para un progtwigdor Perl módulo de importación desde la cadena de variables Advertencia de desuso: el uso de `oa_ndim == 0` cuando` op_axes` es NULL está en desuso Usando VirtualEnv con múltiples versiones de Python en Windows Apague el servidor de sockets serve_forever () en una aplicación Python de un hilo

Encuentra el término más común en Scikit-learn classifier

Estoy siguiendo el ejemplo en Scikit learn docs donde se usa CountVectorizer en algunos conjuntos de datos.

Pregunta : count_vect.vocabulary_.viewitems() enumera todos los términos y sus frecuencias. ¿Cómo los clasificas por el número de ocurrencias?

sorted( count_vect.vocabulary_.viewitems() ) no parece funcionar.

vocabulary_.viewitems() de hecho no enumera los términos y sus frecuencias, sino que es un mapeo de los términos a sus índices. Las frecuencias (por documento) son devueltas por el método fit_transform, que devuelve una matriz dispersa (coo), donde las filas son documentos y columnas de las palabras (con índices de columnas asignados a las palabras a través de vocabulary_). Puede obtener las frecuencias totales, por ejemplo, por 

 matrix = count_vect.fit_transform(doc_list) freqs = zip(count_vect.get_feature_names(), matrix.sum(axis=0)) # sort from largest to smallest print sorted(freqs, key=lambda x: -x[1])