Использование scikit-learn TfIdf с gensim LDA

я использовал различные версии TFIDF в scikit научиться моделировать некоторые текстовые данные.

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

результирующие данные X находятся в следующем формате:

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

Я хотел поэкспериментировать с LDA как способ уменьшить размерность моей разреженной матрицы. Есть ли простой способ передать numpy разреженную матрицу X в модель gensim LDA?

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

Я могу игнорировать scikit и идти так, как описывает учебник gensim, но мне нравится простота векторизаторов scikit и все его параметры.

спасибо,

G

1 ответов


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.