文書を「単語の出現回数」のベクトルに変える、いちばん基本のテキスト表現
左のテキストを書き換えると（1行が1文書）、全文書の単語を集めた語彙と、「文書 × 単語」のカウント行列がすぐに作られます。BoW は語順をまったく見ません。「私は猫が好き」と「猫は私が好き」を並べて入力すると、まったく同じ行になることを確かめてみてください ── 単語の袋（bag）に入れて数えるだけ、という名前の由来です。2-gram（連続する2語の組）も数えると、語順の違いが行列に現れます。
CountVectorizer は既定で 1 文字の語（「は」「が」「私」など）を語彙から外します（token_pattern=r"(?u)\b\w\w+\b"）。各文書には語彙のごく一部しか現れないため、行列のほとんどが 0 になります（スパース）。実データでは 99% 以上が 0 になることも珍しくありません。「語順が違う2文を試す」で 2-gram を入れると、同じだった 2 行が別々になります。その代わり語彙が増え、スパース率も上がります。