Python 解读SKLDA的输出

我正在使用sklearn LatentDirichletAllocation包尝试进行一些主题建模

我的目标是在我的语料库中绘制主题如何随时间变化的情节

我试图复制的LDA部分，因此我有这样的代码结尾：

lda = LatentDirichletAllocation(n_topics=n_topics, max_iter=5,
                                learning_method='online',
                                learning_offset=50.,
                                random_state=0,
                                n_jobs=2)
t0 = time()
transformed_X = lda.fit_transform(tf)

当我看转换后的_X时，它是一个n_文档数组，每个主题的长度为n_。我希望每个数组都是该文档主题的概率分布，它们的总和为1。然而，情况并非如此，每个数组的和的平均值为83。所以，我想知道：

这些值代表什么

如果我规范化数组中的值，这是否与该文档的主题概率分布相对应

---

为什么不使用fit而不是fit\u transform？