我正在研究一个 LDA 模型textmineR，计算了相干性、对数似然度量并优化了我的模型。
作为最后一步，我想看看模型对看不见的数据的主题预测效果如何。因此，我predict()将 textminer 包中的函数与我的测试集样本上的 GIBBS 采样结合使用。这导致我的测试集样本中每个文档的预测“Theta”值。
虽然我在另一篇文章中读到该软件包不提供perplexity-calculationstexminer（请参阅此处的这篇文章：如何在使用 R 中的 textmineR 软件包制作的 LDA 模型上测量困惑度分数？），我现在想知道目的是什么那么预测函数是为什么呢？尤其是对于超过 100,000 个文档的大型数据集，很难仅直观地评估预测是否表现良好。
我不想在模型选择中使用困惑（我使用的是连贯性/对数似然），但据我了解，困惑将帮助我理解预测的好坏以及模型对新模型的“惊讶”程度，以前看不见的数据。
由于这似乎不适用于 textmineR，我不确定如何评估模型预测。还有什么可以用来衡量我的textminer模型的预测质量的吗？
谢谢！