Pythonデータ分析実践模擬試験第1回問33・7章テキスト情報の処理（特徴量化）

CountVectorizer

次のコードを実行したときの出力として、正しいものを1つ選べ。

from sklearn.feature_extraction.text import CountVectorizer
v = CountVectorizer().fit(["cat dog", "dog bird"])
print(v.get_feature_names_out().tolist())

A
['cat', 'dog', 'bird']
B
['cat', 'dog', 'dog', 'bird']
C
['bird', 'cat', 'dog']
D
[2, 2, 1]

正解と解説を見る

正解：C

CountVectorizer は、文書を単語の出現回数のベクトルに変換する（Bag of Words）。語彙は get_feature_names_out() で確認できる。

順	実行する行	実行後の変数
1	`from sklearn.feature_extraction.text import C…`	—
2	`v = CountVectorizer().fit(["cat dog", "dog bi…`	—
3	`print(v.get_feature_names_out().tolist())`	—
結果	実際の出力	['bird', 'cat', 'dog']

A
誤り。語彙は並べ替えられる。
B
誤り。重複は除かれる。
C
正しい。語彙は重複を除き、アルファベット順に並ぶ。
D
誤り。これは語彙ではなく出現回数のような値。

学習のポイント：TF-IDF は、多くの文書に出る語の重みを下げる。

この問題を演習で解く →

問題一覧へ

このサイトの問題は、各試験の公式に示された出題範囲に沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。一般社団法人Pythonエンジニア育成推進協会の公式サービスではありません。