Pythonデータ分析実践模擬試験第3回問33・7章テキスト情報の処理（特徴量化）

n-gram

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
print(CountVectorizer(ngram_range=(1, 2)).fit(["red cat"]).get_feature_names_out().tolist())

A
['cat', 'red', 'red cat']
B
['cat', 'red']
C
['red cat']
D
['red', 'cat', 'red cat']

正解と解説を見る

正解：A

ngram_range=(1, 2) で、1 語と連続する 2 語を特徴量にする。語順の情報を少し取り込めるが、特徴量の数が増える。

順	実行する行	実行後の変数
1	`from sklearn.feature_extraction.text import C…`	—
2	`print(CountVectorizer(ngram_range=(1, 2)).fit…`	—
結果	実際の出力	['cat', 'red', 'red cat']

A
正しい。1 語（unigram）と、連続する 2 語（bigram）が特徴量になる。
B
誤り。2 語の組も含まれる。
C
誤り。1 語も含まれる。
D
誤り。語彙はアルファベット順に並べられる。

学習のポイント：文字単位の n-gram もある。

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。