如何解决如何使用不同的方法分别矢量化数据框列?
我正在尝试使用 k-最近邻对句子进行分类,以判断它们是否值得总结。我有这个数据框,我已将其拆分为 x_train,x_test 和 y_train,y_test。 x 的内容如下所示:
sentence heading
10193 [dari,rank,tersebut,kemudian,ditentukan,l... [hasil,pembahasan]
581 [langkahlangkah,penelitian,sesuai,dengan,a... [metode,penelitian]
1090 [individu,terpilih,menjadi,indivi... [landasan,kepustakaan]
6760 [nilai,f,terendah,adalah,dihasilkan,model... [eksperimen]
1467 [kini,seiring,berkembangnya,teknologi,info... [pendahuluan]
分类目标(变量 y)是一个简单的 1 或 0。我在 sentence 旁边使用 heading 列,因为它可以“告诉”句子的位置,因为特定标题下的句子更有可能值得总结。
我正在考虑为 sentence 列做 tf-idf,并为 heading 列列举或做一个简单的词袋。这会起作用吗?我如何做到这一点来创建向量?我已经查过了,但没有找到令人满意的答案,目前我无能为力,请帮忙。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。