来自sklearn的Tfidfvectorizer语言 - 如何获得矩阵

Question

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：

vectorizer.toarray()

--------------------------------------------------------------------------- 
AttributeError                            Traceback (most recent call last) <ipython-input-117-76146e626284> in <module>()   
----> 1 vectorizer.toarray()
AttributeError: 'TfidfVectorizer' object has no attribute 'toarray'

另一次尝试

vectorizer.todense()

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-118-6386ee121184> in <module>()
----> 1 vectorizer.todense()
AttributeError: 'TfidfVectorizer' object has no attribute 'todense'

Answer 1

请注意，vectorizer.fit_transform返回要获取的术语文档矩阵。因此，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]])

Answer 2

.fit_transform本身返回一个文档术语矩阵。因此，您可以：

matrix = vectorizer.fit_transform(text)

matrix.todense()用于将稀疏矩阵转换为密集矩阵。
matrix.shape将为您提供矩阵的形状。