![](/img/trans.png)
[英]Scikit-Learn GridSearchCV failing on on a gensim LDA model
[英]Use scikit-learn TfIdf with gensim LDA
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。
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.
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.