问题标签 [lda]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python - LDA - Recognition Pattern in Python (sklearn)
I am trying to execute this code on Python. This code refers to a LDA, from sklearn.
clf = LDA() clf.fit(X,y) print(clf.predict([0, 2]))
And show me this error message:
What I do to fix it? I could not find this solution on documentation.
python - 使用 sklearn 在 python 中的 LDA
我正在尝试在 python 中使用 sklearn 实现 LDA 算法
代码是：
但是，我收到消息错误：
我该怎么做才能解决这个错误？
我正在使用这个版本的 LDA，来自 SKLEARN http://scikit-learn.org/stable/modules/generated/sklearn.lda.LDA.html
非常感谢！
python - 使用 gensim 了解 LDA 实现
我试图了解 Python 中的 gensim 包如何实现潜在狄利克雷分配。我正在执行以下操作：
定义数据集
删除停用词后，我创建了字典和语料库：
然后我定义了 LDA 模型。
然后我打印主题：
我无法从这个结果中理解很多。它是否提供了每个单词出现的概率？另外，主题＃1，主题＃2等是什么意思？我期待的东西或多或少像最重要的关键字。
我已经检查了gensim 教程，但它并没有太大帮助。
谢谢。
r - R中LDA中多个类的Fisher分类函数系数
我对与 LDA 相关的 R 有一点疑问，就像在 spss 中，当我尝试使用包 MASS 在 R 中获取线性判别分析的 Fisher 分类函数系数时，我只得到如下线性判别系数：
线性判别系数：
但是我的分组变量中有 7 个组，我需要为所有五个变量的每个集群获取渔民分类函数系数，以便我可以使用它们在 Excel 中进行进一步分析。我打算在下面添加类似的表格：
分类函数系数
所以我想要在R中与上面相同的输出，请帮帮我：
matlab - MatLab 中有任何 LDA 代码示例吗？
我想在我的小数据集（65x8）上执行简单的 LDA。我有 65 个实例（样本）、8 个特征（属性）和 4 个类。LDA 的任何 matlab 代码，据我所知，Matlab Toolbox 没有 LDA 功能所以我需要编写自己的代码。有什么帮助吗？
我在网上找到这段代码
然后我得到了这个结果 ldaClass =
错误 =
P =
系数 =
具有字段的 4x4 结构数组：类型 name1 name2 const linear
ldaResubCM =
grpOrder =
所以我有 65 个实例、8 个属性和 4 个类（1、2、3、4）。所以不知道如何解释这些结果。有什么帮助吗？
r - 在 R 中的频率列表上创建主题模型
我一直在使用该topicmodels包在 R 中创建 LDA 模型。
但它接受文档的唯一格式是实际的文字文档。我想知道是否有办法提供频率图
这显然不是 R 中的“地图”，而是允许从词频创建主题模型的任何数据结构（数据框、表、向量列表）表示？
我需要这个的原因是因为主题模型不是在“文档”和“单词”上创建的，而是在图像中的类似特征上创建的，并且长格式表示需要太多空间。
python - 主题分布：在python中做LDA后如何查看哪个文档属于哪个主题
我能够从 gensim 运行 LDA 代码，并获得前 10 个主题及其各自的关键字。
现在我想更进一步，通过查看它们聚集到每个主题中的文档来了解 LDA 算法的准确性。这在gensim LDA中可能吗？
基本上我想做这样的事情，但是在 python 中并使用 gensim。
machine-learning - 奇异值分解 (SVD) 为潜在语义分析 (LSA) 生成的矩阵的含义/含义
LSA 中使用 SVD 来获取潜在语义信息。我对 SVD 矩阵的解释感到困惑。
我们首先建立一个文档术语矩阵。然后使用 SVD 将其分解为 3 个矩阵。
例如：
doc-term 矩阵 M1 是 M x N，其中：
M1被分解为：
我看到如下解释：
M2的第 k列代表语义相似的类别。M4的第 k行代表主题。
我的问题是：
为什么 k 会像上面那样解释？我们怎么知道它是相似的语义和主题？
为什么相似的语义等于主题？
为什么 k 在 M2 和 M4 之间的解释不同
如何解读M3？
我真的很困惑。似乎解释是完全武断的。这就是潜在的意思吗？
r - lda.collapsed.gibbs.sampler 初始不能在 R 中工作
我对 R 完全陌生，我目前正在使用tm和lda包来分析日志。
该lda.collapsed.gibbs.sampler可以采用“初始”参数，并在文档中说明：
最初的
单词的初始主题分配列表。它应该与返回值的 assignments 字段格式相同。如果此字段为 NULL，则采样器将使用随机分配进行初始化。
但是，当我尝试迭代将先前的 result$assignments 作为初始参数传递时，出现错误：
我不知道如何摆脱它并实际使用该列表。我想要的是通过采取措施并查看结果来衡量收敛，因此简单地将i设置为更大的数字是行不通的。
提前致谢！:)
nlp - 如何确定用于文本聚类的 LDA（潜在狄利克雷分配）算法中的主题数？
我正在使用 LDA 算法将许多文档聚集到不同的主题中。LDA 算法需要一个输入参数：主题数。我怎么能确定这个？
我正在使用 Reuter 语料库对我的解决方案进行基准测试。路透社语料库已准备好主题编号。聚类路透社文本时是否应该输入相同的主题编号？并将我的聚类结果与路透社的比较？
但是在生产中，在我实际基于主题进行聚类之前，我怎么知道主题的数量。这有点像鸡蛋问题。