Our first estimatorNow we have ever

Our first estimator
Now we have everything in place to create our first vectorizer. The most
convenient way to do it is to inherit it from BaseEstimator. It requires us to
implement the following three methods:
get_feature_names(): This returns a list of strings of the features that we will
return in transform().
fit(document, y=None): As we are not implementing a classifier, we can
ignore this one and simply return self.
transform(documents): This returns numpy.array(), containing an array of
shape (len(documents), len(get_feature_names)). This means that for every
document in documents, it has to return a value for every feature name in
get_feature_names().
Let us now implement these methods:

Kết quả (Việt) 1:

Chúng tôi ước tính đầu tiênBây giờ chúng tôi có tất cả mọi thứ tại chỗ để tạo vectorizer đầu tiên của chúng tôi. Hầu hết cáccách thuận tiện để làm điều đó là để kế thừa nó từ BaseEstimator. Nó đòi hỏi chúng ta đểthực hiện ba phương pháp sau đây:get_feature_names(): điều này trả về một danh sách các chuỗi của các tính năng mà chúng tôi sẽtrở lại trong transform().phù hợp với (tài liệu, y = không có gì): như chúng tôi không thực hiện một loại, chúng tôi có thểbỏ qua điều này và chỉ đơn giản là trở lại tự.Transform(Documents): điều này trở về numpy.array(), có một mảng củahình dạng (len(documents), len(get_feature_names)). Điều này có nghĩa rằng đối với mỗitài liệu trong các tài liệu, nó có để trở về một giá trị cho mỗi tính năng tên trongget_feature_names().Hãy cho chúng tôi bây giờ thực hiện những phương pháp này:

Kết quả (Việt) 2:

Dự toán đầu tiên của chúng tôi
Bây giờ chúng tôi có tất cả mọi thứ ra để tạo vectorizer đầu tiên của chúng tôi. Nhất
cách thuận tiện để làm điều đó là để kế thừa từ nó BaseEstimator. Nó đòi hỏi chúng ta phải
thực hiện ba phương pháp sau đây:
get_feature_names (): Trả về một danh sách các chuỗi của các tính năng mà chúng tôi sẽ
trở lại trong chuyển đổi ().
phù hợp (tài liệu, y = None): Như chúng ta đã không thực hiện một phân loại, chúng tôi có thể
bỏ qua lỗi này và chỉ cần trả tự.
transform (tài liệu): Trả về numpy.array (), có chứa một loạt các
hình dạng (len (văn bản), len (get_feature_names)). Điều này có nghĩa rằng đối với mỗi
tài liệu văn bản, nó đã trở lại một giá trị cho mỗi tên đối tượng trong
get_feature_names ().
Bây giờ chúng ta thực hiện các phương pháp: