来自 sklearn 的 Tfidfvectorizer - 如何获取矩阵答案

【问题标题】：Tfidfvectorizer from sklearn - how to get matrix来自 sklearn 的 Tfidfvectorizer - 如何获取矩阵
【发布时间】：2019-06-03 12:19:00
【问题描述】：

我想从 sklearn 的 Tfidfvectorizer 对象中获取矩阵。这是我的代码：

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)

这是我尝试并返回错误的方法：

vectorizer.toarray()

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

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

又一次尝试

vectorizer.todense()

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

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

【问题讨论】：

标签： python scikit-learn tf-idf tfidfvectorizer

【解决方案1】：

请注意，vectorizer.fit_transform 返回您想要获取的术语文档矩阵。所以保存它返回的内容，并使用todense，因为它将是稀疏格式：

返回：X：稀疏矩阵，[n_samples, n_features]。 Tf-idf 加权文档术语矩阵。

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]])

【讨论】：

【解决方案2】：

.fit_transform 本身返回一个文档术语矩阵。所以，你这样做：

matrix = vectorizer.fit_transform(text)

matrix.todense() 用于将稀疏矩阵转换为密集矩阵。
matrix.shape 会给你矩阵的形状。

【讨论】：