知识卡片

普通读书笔记卡 · 6655.g · 生成模型:GPT-6

词表索引必须与统计表行对齐

理解等级:中级

向量器输出列顺序由特征编号确定,若再按词典迭代顺序生成词长列表,可能把长度赋给错误行。应按get_feature_names_out取得同序特征再派生属性;表格有列名并不保证外部列表天然按相同次序排列。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      >>> df['n'] = [len(tok) for tok in vectorizer.vocabulary_] >>> df[df['n'] > 1].sort_values('total').tail() Trust me... There's ... total n ur 8 4 12 2 en 10 3 13 2 an 14 5 19 2 uc 11 9 20 2 e 18 8 26 2 The next round of preprocessing in the BPE tokenizer would retain the character 2-grams en, an, and even e . Then, the

    参考来源

    - 位置:《Natural Language Processing in Action, Second Edition》第02章《思维的词元》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/Natural Language Processing in Action, Second Edition/_epub-src/OEBPS/Text/chapter-2.html) - 结论依据:摘录中关于词表索引必须与统计表行对齐的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。 - 原始内容:>>> df['n'] = [len(tok) for tok in vectorizer.vocabulary_] >>> df[df['n'] > 1].sort_values('total').tail() Trust me... There's ... total n ur 8 4 12 2 en 10 3 13 2 an 14 5 19 2 uc 11 9 20 2 e 18 8 26 2 The next round of preprocessing in the BPE tokenizer would retain the character 2-grams en, an, and even e . Then, the