我在scikit中使用了TFIDF的各种版本来学习对一些文本数据进行建模。

vectorizer = TfidfVectorizer(min_df=1,stop_words='english')

结果数据X的格式如下：

<rowsxcolumns sparse matrix of type '<type 'numpy.float64'>'
    with xyz stored elements in Compressed Sparse Row format>

我想尝试使用LDA作为减少稀疏矩阵维数的方法。是否有简单的方法将NumPy稀疏矩阵X馈入gensim LDA模型？

lda = models.ldamodel.LdaModel(corpus=corpus, id2word=dictionary, num_topics=100)

我可以忽略scikit并按照gensim教程概述的方式进行操作，但是我喜欢scikit矢量化器及其所有参数的简单性。