Numpy 以压缩稀疏行格式（csr_矩阵）为矩阵中的值取对数

我对从countvectorizing文本数据中获得的计数数据的对数感兴趣。我很想测试这种转换（规范化）是否有助于提高sklearn中模型的性能

这就是我所拥有的：

TEXT = [data[i].values()[3] for i in range(len(data))]

from sklearn.feature_extraction.text import CountVectorizer

vectorizer = CountVectorizer(min_df=0.01,max_df = 2.5, lowercase = False, stop_words = 'english')

X = vectorizer.fit_transform(TEXT)
X = [math.log(i+1) for i in X]

但是，在运行此代码时，我得到一个错误：

File "nlpQ2.py", line 29, in <module>
X = [math.log(i+1) for i in X]
File "/opt/conda/lib/python2.7/site-packages/scipy/sparse/compressed.py", line 337, in __add__
raise NotImplementedError('adding a nonzero scalar to a '
NotImplementedError: adding a nonzero scalar to a sparse matrix is not supported

这就产生了

NotImplementedError: adding a nonzero scalar to a sparse matrix is not supported

---

有办法解决这个问题吗？非常感谢您的帮助。

您只需通过

todense（）

方法将稀疏矩阵

X

转换为密集数组，然后使用NumPy计算对数：

X = np.log(1 + X)

如果

X

很大，将其转换为密集矩阵可能会耗尽RAM。在这种情况下，该方法是您的朋友，因为它对稀疏矩阵进行操作：

X = X.log1p()

---

你能考虑接受我的答案，点击接受按钮，这样我就能获得帮助你的信用吗？这是向其他人发出的礼貌信号，表示问题已解决，您将获得+2代表。

X = X.log1p()