我在scikit中使用了各种版本的TFIDF来学习一些文本数据的建模.
vectorizer = TfidfVectorizer(min_df=1,stop_words='english')
生成的数据X采用以下格式：
<rowsxcolumns sparse matrix of type '<type 'numpy.float64'>'
with xyz stored elements in Compressed Sparse Row format>
我想尝试使用LDA作为减少稀疏矩阵维数的方法.
有没有一种简单的方法可以将NumPy稀疏矩阵X输入到gensim LDA模型中？
lda = models.ldamodel.Ldamodel(corpus=corpus,id2word=dictionary,num_topics=100)
我可以忽略scikit并按照gensim教程概述的方式,但我喜欢scikit矢量化器及其所有参数的简单性.
谢谢,
G
解决方法
http://radimrehurek.com/gensim/matutils.html
class gensim.matutils.Sparse2Corpus(sparse,documents_columns=True)
Convert a matrix in scipy.sparse format into a streaming gensim corpus.