本文整理汇总了Python中sklearn.decomposition.TruncatedSVD.vectorizer方法的典型用法代码示例。如果您正苦于以下问题:Python TruncatedSVD.vectorizer方法的具体用法?Python TruncatedSVD.vectorizer怎么用?Python TruncatedSVD.vectorizer使用的例子?那么恭喜您, 这里精选的方法代码示例或许可以为您提供帮助。您也可以进一步了解该方法所在类sklearn.decomposition.TruncatedSVD
的用法示例。
在下文中一共展示了TruncatedSVD.vectorizer方法的1个代码示例,这些例子默认根据受欢迎程度排序。您可以为喜欢或者感觉有用的代码点赞,您的评价将有助于系统推荐出更棒的Python代码示例。
示例1: compute_lsa
# 需要导入模块: from sklearn.decomposition import TruncatedSVD [as 别名]
# 或者: from sklearn.decomposition.TruncatedSVD import vectorizer [as 别名]
def compute_lsa(nodes, model=None):
fit = False
matrix = None
if model is None:
fit = True
model = TruncatedSVD(n_components=200)
model.vectorizer = DictVectorizer(sparse=True)
matrix = model.vectorizer.fit_transform([dict(node.concept_vector) for node in nodes])
model.fit(matrix)
else:
matrix = model.vectorizer.transform([dict(node.concept_vector) for node in nodes])
result = model.transform(matrix)
for i, node in enumerate(nodes):
node.lsa_vector = result[i] #= [x for x in enumerate(result[i])]
return nodes, model