{ "cells": [ { "cell_type": "markdown", "source": [ "# ความท้าทาย: วิเคราะห์ข้อความเกี่ยวกับวิทยาศาสตร์ข้อมูล\n", "\n", "> *ในสมุดบันทึกนี้ เราทดลองใช้ URL ที่แตกต่างกัน - บทความวิกิพีเดียเกี่ยวกับการเรียนรู้ของเครื่อง คุณจะเห็นว่า แตกต่างจากวิทยาศาสตร์ข้อมูล บทความนี้มีคำศัพท์จำนวนมาก ซึ่งทำให้งานวิเคราะห์มีความท้าทายมากขึ้น เราต้องหาวิธีการอื่นในการทำความสะอาดข้อมูลหลังจากการสกัดคำสำคัญ เพื่อกำจัดชุดคำที่เกิดขึ้นบ่อยแต่ไม่มีความหมาย*\n", "\n", "ในตัวอย่างนี้ มาทำแบบฝึกหัดง่ายๆ ที่ครอบคลุมทุกขั้นตอนของกระบวนการวิทยาศาสตร์ข้อมูลแบบดั้งเดิม คุณไม่จำเป็นต้องเขียนโค้ดใดๆ เพียงคลิกที่เซลล์ด้านล่างเพื่อรันและสังเกตผลลัพธ์ ในรูปแบบความท้าทาย คุณถูกกระตุ้นให้ลองใช้โค้ดนี้กับข้อมูลที่แตกต่างกัน\n", "\n", "## เป้าหมาย\n", "\n", "ในบทเรียนนี้ เราได้พูดคุยเกี่ยวกับแนวคิดต่างๆ ที่เกี่ยวข้องกับวิทยาศาสตร์ข้อมูล ลองค้นพบแนวคิดเพิ่มเติมที่เกี่ยวข้องโดยการทำ **การทำเหมืองข้อความ** เราจะเริ่มด้วยข้อความเกี่ยวกับวิทยาศาสตร์ข้อมูล สกัดคำสำคัญจากนั้น และลองแสดงผลลัพธ์ในรูปแบบภาพ\n", "\n", "สำหรับข้อความ ผมจะใช้หน้าบทความเกี่ยวกับวิทยาศาสตร์ข้อมูลจากวิกิพีเดีย:\n" ], "metadata": {} }, { "cell_type": "markdown", "source": [], "metadata": {} }, { "cell_type": "code", "execution_count": 2, "source": [ "url = 'https://en.wikipedia.org/wiki/Data_science'\r\n", "url = 'https://en.wikipedia.org/wiki/Machine_learning'" ], "outputs": [], "metadata": {} }, { "cell_type": "markdown", "source": [ "## Step 1: การรับข้อมูล\n", "\n", "ขั้นตอนแรกในทุกกระบวนการวิทยาศาสตร์ข้อมูลคือการรับข้อมูล เราจะใช้ไลบรารี `requests` เพื่อทำเช่นนั้น:\n" ], "metadata": {} }, { "cell_type": "code", "execution_count": 3, "source": [ "import requests\r\n", "\r\n", "text = requests.get(url).content.decode('utf-8')\r\n", "print(text[:1000])" ], "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "\n", "\n", "\n", "\n", "Machine learning - Wikipedia\n", "