Scikit learn 使用scikit learn查找LDA每个主题的文档数

我将跟随scikit learn LDA示例，并试图了解如何（如果可能的话）显示有多少文档被标记为具有这些主题中的每一个。我一直在仔细阅读LDA模型的文档，但不知道从哪里可以得到这个号码。以前是否有人能够使用scikit learn做到这一点？

LDA计算每个文档的主题概率列表，因此您可能希望将文档主题解释为该文档概率最高的主题

如果

dtm

是您的文档术语矩阵，而

lda

是您的潜在Dirichlet分配对象，则可以使用

transform（）

函数和

pandas

探索主题混合：

docsVStopics=lda.transform（dtm）
docsVStopics=pd.DataFrame（docsVStopics，列=[“主题”+str（i+1）表示范围内的i（N_主题）]）
打印（“创建了（%dx%d）文档主题矩阵。”%（docsVStopics.shape[0]，docsVStopics.shape[1]））
docsVStopics.head（）

您可以轻松找到每个文档最可能的主题：

最有可能的主题=docsVStopics.idxmax（axis=1）

然后获取计数：

最有可能的主题.groupby（最有可能的主题）.count（）

虽然我没有使用scikit中的LDA，但我知道fit_transform方法返回一个numpy形状数组[n_样本，n_特征\u新]。n_features_new应该是您在构造函数中设置的主题数量，它们表示每个文档中每个主题的“数量”（即一个主题属于多个主题）。您应该将返回数组中最大值的索引作为文档最可能的主题。