Kullanım kiosklarını kullanarak TfIdf LDA

Question

Bazı metin verilerini modellemek için scikit öğrenmesinde çeşitli TFIDF sürümlerini kullandım.

vectorizer = TfidfVectorizer(min_df=1,stop_words='english') 

çıkan veriler X'in bu biçimindedir:

<rowsxcolumns sparse matrix of type '<type 'numpy.float64'>' 
    with xyz stored elements in Compressed Sparse Row format> 

benim seyrek matris boyutluluğu azaltmak yapmak için bir yol olarak LDA ile deney yapmak istedi. NumPy seyrek matris X'i bir gensim LDA modeline beslemenin basit bir yolu var mı?

lda = models.ldamodel.LdaModel(corpus=corpus, id2word=dictionary, num_topics=100) 

Ben scikit görmezden ve gensim öğretici özetliyor yol ama scikit vectorizers basitliğini ve tüm parametreleri gibi olabilir.

sayesinde

G

Answer 1

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.