Accéder au contenu principal

Cours

Text mining avec sac de mots en R

IntermédiaireNiveau de compétence

Actualisé 05/2024

Apprenez la technique du sac de mots pour l'exploration de textes avec R.

Commencer Le Cours Gratuitement

RMachine Learning

4 h

15 vidéos

69 Exercices

5,700 XP

44,271

Certificat de formation

Apprécié par des utilisateurs provenant de milliers d'entreprises

Former une équipe ?

Essayez pour les entreprises

Description du cours

On estime que plus de 70 % des informations potentiellement exploitables en entreprise sont non structurées, souvent sous forme de texte. Le text mining regroupe un ensemble de techniques permettant d’extraire des insights actionnables à partir de données non structurées. Dans ce cours, nous explorons les bases du text mining avec la méthode du sac de mots. Les trois premiers chapitres présentent des notions essentielles pour analyser et visualiser des données textuelles. Le dernier chapitre vous permet d’appliquer tout ce que vous avez appris dans une étude de cas réelle pour extraire des insights à partir d’avis d’employés de deux grandes entreprises tech.

Prérequis

1

Jumping into Text Mining with Bag-of-Words

2

Word Clouds and More Interesting Visuals

This chapter will teach you how to visualize text data in a way that's both informative and engaging.

Common text mining visuals

Test your understanding of text mining

Frequent terms with tm

Frequent terms with qdap

Intro to word clouds

A simple word cloud

Stop words and word clouds

Plot the better word cloud

Improve word cloud colors

Use prebuilt color palettes

Other word clouds and word networks

Find common words

Visualize common words

Visualize dissimilar words

Polarized tag cloud

Visualize word networks

Teaser: simple word clustering

Commencer Le Chapitre

3

Adding to Your TM Skills

In this chapter, you'll learn more basic text mining techniques based on the bag of words method.

Simple word clustering

Test your understanding of text mining

Distance matrix and dendrogram

Make a dendrogram friendly TDM

Put it all together: a text-based dendrogram

Dendrogram aesthetics

Using word association

Getting past single words

N-gram tokenization

Changing n-grams

How do bigrams affect word clouds?

Different frequency criteria

Changing frequency weights

Capturing metadata in tm

Commencer Le Chapitre

4

Battle of the Tech Giants for Talent

This chapter ties everything together with a case study in text mining for HR analytics.

Amazon vs. Google

Organizing a text mining project

Step 1: Problem definition

Step 2: Identifying the text sources

Step 3: Text organization

Text organization

Working with Google reviews

Steps 4 & 5: Feature extraction & analysis

Feature extraction & analysis: amzn_pros

Feature extraction & analysis: amzn_cons

amzn_cons dendrogram

Word association

Quick review of Google reviews

Cage match! Amazon vs. Google pro reviews

Cage match, part 2! Negative reviews

Step 6: Reach a conclusion

Draw conclusions, insights, or recommendations

Draw another conclusion, insight, or recommendation

Commencer Le Chapitre

Text mining avec sac de mots en R

Cours
terminé

Obtenez un certificat de réussite

Ajoutez cette certification à votre profil LinkedIn, à votre CV ou à votre portfolio
Partagez-la sur les réseaux sociaux et dans votre évaluation de performanceS'inscrire Maintenant

Rejoignez plus de 19 millions d'utilisateurs et commencez Text mining avec sac de mots en R dès aujourd'hui !

Apprenez où que vous soyez avec l'application DataCamp

Progressez où que vous soyez grâce à nos cours conçus pour mobile et à nos défis quotidiens de 5 minutes.