scikit-learn을 사용하여 여러 텍스트 문서에서 ngrams을 작성합니다. 도큐멘트 번호을 countVectorizer을 사용하여 구축해야합니다.scikit learn과 count vectorizer에서 ngram을 생성합니다. 메모리 오류
예 : 나는 데이터의 엄청난 양의 시도 할 때
document1 = "john is a nice guy"
document2 = "person can be a guy"
그래서, 문서 주파수 여기
{'be': 1,
'can': 1,
'guy': 2,
'is': 1,
'john': 1,
'nice': 1,
'person': 1}
문서는 단지 문자열 수 있지만 것입니다. MEMORY ERROR가 발생합니다.
코드 :
import numpy as np
from sklearn.feature_extraction.text import CountVectorizer
document = [Huge amount of data around 7MB] # ['john is a guy', 'person guy']
vectorizer = CountVectorizer(ngram_range=(1, 5))
X = vectorizer.fit_transform(document).todense()
tranformer = vectorizer.transform(document).todense()
matrix_terms = np.array(vectorizer.get_feature_names())
lst_freq = map(sum,zip(*tranformer.A))
matrix_freq = np.array(lst_freq)
final_matrix = np.array([matrix_terms,matrix_freq])
ERROR : 당신이 조밀 한 형식으로 대형 스파 스 매트릭스를 변환 할 때 코멘트가 언급 한 것처럼
Traceback (most recent call last):
File "demo1.py", line 13, in build_ngrams_matrix
X = vectorizer.fit_transform(document).todense()
File "/usr/local/lib/python2.7/dist-packages/scipy/sparse/base.py", line 605, in todense
return np.asmatrix(self.toarray(order=order, out=out))
File "/usr/local/lib/python2.7/dist-packages/scipy/sparse/compressed.py", line 901, in toarray
return self.tocoo(copy=False).toarray(order=order, out=out)
File "/usr/local/lib/python2.7/dist-packages/scipy/sparse/coo.py", line 269, in toarray
B = self._process_toarray_args(order, out)
File "/usr/local/lib/python2.7/dist-packages/scipy/sparse/base.py", line 789, in _process_toarray_args
return np.zeros(self.shape, dtype=self.dtype, order=order)
MemoryError
당신이 확인 되세요 http://stackoverflow.com/questions을/16332083/python-memoryerror-when-fitting-with-scikit-learn 또는 http://stackoverflow.com/questions/23879139/memory-error-at-python-while-converting-to-array? – fredtantini
'MEMORY ERROR'을 생성하는 동안'todense() '를 사용한다고 생각합니다. 그러나'todense() '를 사용하지 않으면'sparse matrix'에서 결과를 얻습니다. 그 드문 드문 행렬을 읽는 것을 나는 모른다. 어떤 도움 plz? – iNikkz
스파 스 매트릭스를 실제로보고 싶다면 'X [: 10, :]. todense()'와 같이 작은 행 (예 : 처음 10 행)을 살펴볼 수 있습니다. 합계와 같은 대부분의 다른 연산은 희소하고 밀도가 높은 행렬에 대해 같은 방식으로 작동하므로 실제로 todense/A/toarray를 호출 할 필요가 없습니다. – mbatchkarov