Użyj sсikit-learn TfIdf z gensim LDA

Question

Użyłem różnych wersji TFIDF w scikit nauczyć się modelować niektóre dane tekstowe.

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

Uzyskane dane X jest w następującym formacie:

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

chciałem eksperymentować z LDA jako sposób zmniejszają wymiarowości mojego rozrzedzony matrycy. Czy istnieje prosty sposób na dodanie rzadkiej macierzy NumPy X do modelu GDA?

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

mogę zignorować scikit i przejść na sposób gensim poradnik kontury, ale lubię prostotę vectorizers scikit i wszystkich jego parametrów.

Dzięki,

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.