После предварительной обработки необработанных данных, спама из Kaggle. Я уже удалил все стоп-слова и ненужные слова. Теперь требуется использовать CountVectorizer для количественной оценки очищенных слов. Но я не знаю, как это сделать и какова концепция этого.
Как я только что выучил функцию подсчета для вычисления частоты появления слов. Но я понятия не имею о CountVectorizer. Я проверил онлайн, но казалось, что ресурсы были ограничены.
spam['filtered'].head()
0 [Go, jurong, point, crazy.., avail, bugi, n, g...
1 [Ok, lar, ..., joke, wif, u, oni, ...]
2 [free, entri, 2, wkli, comp, win, FA, cup, fin...
3 [U, dun, say, earli, hor, ..., U, c, alreadi, ...
4 [nah, n't, think, goe, usf, live, around, though]
Name: filtered, dtype: object
from sklearn.feature_extraction.text import CountVectorizer
cv = CountVectorizer()
Так что же делать дальше? Кроме того, как провести наивный байесовский классификатор после этого?