Уменьшить размер рассола TfidfVectorizer

Мне нужно стандартизировать некоторые параметры для построения векторов на основе текста. Вот почему я пытаюсь собрать TfidVectorizer из группы текстовых документов. На основе этих параметров мне нужно векторизовать новые текстовые документы, и их характеристики и критерии веса должны быть такими же, как у предыдущих документов.

from sklearn.feature_extraction.text import TfidfVectorizer
tfidf = TfidfVectorizer(
        strip_accents = 'ascii', sublinear_tf=True, min_df=5, norm='l2',
        encoding='latin-1', ngram_range=(1, 2), stop_words=spanish_stopwords,
        token_pattern = r'\w+[a-z,ñ]')
features = tfidf.fit_transform(df.Consumer_complaint_narrative).toarray()

features.shape

(617, 22997)

import pickle
pickle.dump(tfidf, open("vectorizer3.pickle", "wb"))

Размер vectorizer3.pickle составляет 76,2 МБ. Есть ли способ уменьшить это до 10 МБ?


python-3.x pickle size sklearn-pandas tfidfvectorizer
person anitasp    schedule 24.09.2018    source источник

Ответы (1)


arrow_upward
2
arrow_downward

Попробуйте использовать gzip

import gzip
import pickle

# writing into file. This will take long time
fp = gzip.open('tfidf.data','wb')
pickle.dump(tfidf,fp)
fp.close()

# read the file
fp = gzip.open('primes.data','rb') #This assumes that tfidf.data is already packed with gzip
tfidf = pickle.load(fp)
fp.close()

Этот метод может не гарантировать вам уменьшение размера файла до ‹ 10 МБ. Но определенно это уменьшит размер файла рассола.

person Kalsi    schedule 26.09.2018