經過上一篇文字預處理後，我們會得到一行行的文本內容，但這樣對於機器學習來說是無法好好讀取訊息的，所以要將這些單字轉換成數值，以便後續操作。
來!我們快點開始動手實作吧~

匯檔 → 文字預處理 → 換算單字數據轉數值

先前作法跟上一篇一樣，我們會先將文字做多餘的刪減，接著就是將單字轉數值!
而最簡單的做法就是去計算一個個單字出現的次數，這個行為在Orange中的組件為「Bag of Words(文字庫)」。

我們可以接上「Data Table」查看它轉換出來的成效，從以下圖來看，它將顯示於最後一個類別中。

查看分類效果

得到數值後，我們將它連接「Distance」，利用餘弦定理計算距離，再用「Hierarchical Clustering」看分類這些文本後的樹狀圖。(想知道更詳盡的說明Hierarchical Clustering與Distance，可看第八篇和第九篇~)

再來，因為是為了分析文本，我們將用Ward（沃德法）來算兩群聚間的距離。
當我們在觀察時，可以拉右邊上方的線條，看看組數不同的效果，顏色一樣代表為同一群，反之亦然。由以下GIF來看，分成兩群最為合適。

那數狀圖呈現時，旁邊有標籤顯示可以看看有幾個混入到不對的群中，以下圖為例，有兩個文本被分類錯誤!

這時我們就可以連上「Corpus Viewer」，觀察文本內容。
首先，在「Hierarchical Clustering」選取誤判的區域。

再打開「Corpus Viewer」，看看故事內容。由內文來看，看來機器是真的誤判了~

好勒~今日份至此，離完賽也剩四天了!加加油哇~

參考資料:
Orange