知识卡片
词表索引必须与统计表行对齐
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?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 思维的词元
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