Tfidfvectorizer от sklearn — как получить матрицу

Я хотел бы получить матрицу из объекта Tfidfvectorizer из sklearn. Вот мой код:

from sklearn.feature_extraction.text import TfidfVectorizer
text = ["The quick brown fox jumped over the lazy dog.",
        "The dog.",
        "The fox"]

vectorizer = TfidfVectorizer()
vectorizer.fit_transform(text)

Вот что я пробовал и возвращал ошибки:

vectorizer.toarray()

--------------------------------------------------------------------------- 
AttributeError                            Traceback (most recent call last) <ipython-input-117-76146e626284> in <module>()   
----> 1 vectorizer.toarray()

AttributeError: 'TfidfVectorizer' object has no attribute 'toarray'

еще одна попытка

vectorizer.todense()

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-118-6386ee121184> in <module>()
----> 1 vectorizer.todense()

AttributeError: 'TfidfVectorizer' object has no attribute 'todense'

python scikit-learn tf-idf tfidfvectorizer
person user1700890    schedule 08.01.2019    source источник

Ответы (2)


arrow_upward
4
arrow_downward

Обратите внимание, что vectorizer.fit_transform возвращает матрицу документа термина, которую вы хотите получить. Поэтому сохраните то, что он возвращает, и используйте todense, так как он будет в разреженном формате:

Возвращает: X : разреженная матрица, [n_samples, n_features]. Матрица терминов документа, взвешенная по Tf-idf.

a = vectorizer.fit_transform(text)
a.todense()

matrix([[0.36388646, 0.27674503, 0.27674503, 0.36388646, 0.36388646,
         0.36388646, 0.36388646, 0.42983441],
        [0.        , 0.78980693, 0.        , 0.        , 0.        ,
         0.        , 0.        , 0.61335554],
        [0.        , 0.        , 0.78980693, 0.        , 0.        ,
         0.        , 0.        , 0.61335554]])
person yatu    schedule 08.01.2019

arrow_upward
2
arrow_downward

.fit_transform< /a> сам по себе возвращает матрицу терминов документа. Итак, вы делаете:

matrix = vectorizer.fit_transform(text)

matrix.todense() используйте для преобразования разреженной матрицы в плотную.
matrix.shape даст вам форму матрицы.

person YOLO    schedule 08.01.2019