线性判别用于提取词向量_机器学习入门-文本特征-使用LDA主题模型构造标签 1.LatentDirichletAllocation(LDA用于构建主题模型) 2.LDA.components(输出各...

函数说明

1.LDA(n_topics, max_iters, random_state)  用于构建LDA主题模型，将文本分成不同的主题

参数说明:n_topics 表示分为多少个主题， max_iters表示最大的迭代次数， random_state 表示随机种子

2. LDA.components_ 打印输入特征的权重参数，

LDA主题模型：可以用于做分类，好比如果是两个主题的话，那就相当于是分成了两类，同时我们也可以找出根据主题词的权重值，来找出一些主题的关键词

使用sklearn导入库

from sklearn.decomposition  import  LatentDirichletAllocation， 使用方法还是fit_transform

LDA.components_ 打印出各个参数的权重值，这个权重值是根据数据特征的标签来进行排列的

代码：

第一步：Dataframe化数据

第二步：进行分词和停用词的去除，使用' '.join 为了词袋模型做准备

第三步：使用np.vectorizer对函数进行向量化处理，调用定义的函数进行分词和停用词的去除

第四步：使用Tf-idf 函数构建词袋模型

第五步：使用LatentDirichletAllocation构建LDA模型，并进行0，1标签的数字映射

第六步：使用LDA.components_打印输入特征标签的权重得分，去除得分小于0.6的得分，我们可以看出哪些词是主要的关键字

importpandas as pdimpor