169 похожих чатов

Ребят, привет, кто знает как корректно сконкатить датафрейм с фичами

и разреженную матрицу TF-IDF?
Я почему- то боюсь, что при создании разреженной матрицы tfidf объекты перемешиваются, и после чего горизонтальная конкатенация будет неверна? Может я ошибаюсь, кто сталкивался?

11 ответов

30 просмотров

грубо говоря у вас же не совсем матрица – её можно представить в виде датафрейма с номером строки, номером столбца и значением, соответственно, если у вас есть названия документов и названия термов вы можете подставить их в датафрейм, представляющий разряженную матрицу, и уже соединять два датафрейма обычным левым джоином

Артур-Вологда Автор вопроса
Makar Minchenko
грубо говоря у вас же не совсем матрица – её можно...

В разреженной матрице я буду знать имена столбцов ( слова) а как туда поместить имя документа? TiidfVectorizer не оставляет информации об имени документа, или это можно настроить, чтобы он оставлял такой столбец ?

Артур Вологда
В разреженной матрице я буду знать имена столбцов ...

это же просто индексы будут, попробуйте это проверить

Артур-Вологда Автор вопроса
Makar Minchenko
это же просто индексы будут, попробуйте это провер...

Вот я и сомневаюсь, индексы в новой разреженной матрице также будут новыми, никак не связаны со старой таблицей объектов?

Артур Вологда
Вот я и сомневаюсь, индексы в новой разреженной ма...

индексы для документов должны сохраняться; можете посмотреть на аргумент vocubalary в tfidfvectorizer, если вам нужно это проверить

Артур Вологда
Вот я и сомневаюсь, индексы в новой разреженной ма...

вроде там есть scipy.sparse.hstack и это все объединить можно в один мешок

Артур-Вологда Автор вопроса
Pavel Zheltouhov
вроде там есть scipy.sparse.hstack и это все объед...

Все верно, есть такое, но тут вопрос не мешаются ли объекты при создании tfidf матрицы, если не мешаются, тогда и hstack можно использовать

Артур-Вологда Автор вопроса
Makar Minchenko
индексы для документов должны сохраняться; можете ...

Vocabulary разве не для всего корпуса строится? Он же не для одного текста

Артур Вологда
Все верно, есть такое, но тут вопрос не мешаются л...

я правильно понял,что вы собираетесь к мешку слов добавить еще табличные признаки и дальше попробовать стандартные алгоритмы классификации?

Артур Вологда
Да, верно

ну тогда не понятно в чем вопрос? после sparse.hstack вы получите разреженную матрицу, но часть данных не разрежена. а тип данных все равно sparse.

Похожие вопросы

Обсуждают сегодня

Господа, а что сейчас вообще с рынком труда на делфи происходит? Какова ситуация?
Rꙮman Yankꙮvsky
29
А вообще, что может смущать в самой Julia - бы сказал, что нет единого стандартного подхода по многим моментам, поэтому многое выглядит как "хаки" и произвол. Короче говоря, с...
Viktor G.
2
30500 за редактор? )
Владимир
47
а через ESC-код ?
Alexey Kulakov
29
Чёт не понял, я ж правильной функцией воспользовался чтобы вывести отладочную информацию? но что-то она не ловится
notme
18
У меня есть функция где происходит это: write_bit(buffer, 1); write_bit(buffer, 0); write_bit(buffer, 1); write_bit(buffer, 1); write_bit(buffer, 1); w...
~
14
Добрый день! Скажите пожалуйста, а какие программы вы бы рекомендовали написать для того, чтобы научиться управлять памятью? Можно написать динамический массив, можно связный ...
Филипп
7
Недавно Google Project Zero нашёл багу в SQLite с помощью LLM, о чём достаточно было шумно в определённых интернетах, которые сопровождались рассказами, что скоро всех "ибешни...
Alex Sherbakov
5
Ребят в СИ можно реализовать ООП?
Николай
33
https://github.com/erlang/otp/blob/OTP-27.1/lib/kernel/src/logger_h_common.erl#L174 https://github.com/erlang/otp/blob/OTP-27.1/lib/kernel/src/logger_olp.erl#L76 15 лет назад...
Maksim Lapshin
20
Карта сайта