主要内容

使用LDA模型可视化文档簇

打开实时脚本

此示例显示了如何使用潜在的Dirichlet分配（LDA）主题模型和T-SNE图可视化文档的聚类。

潜在的DIRICHLET分配（LDA）模型是一个主题模型，它在文档集合中发现了基本主题，并在主题中提出了单词概率。每个主题概率的向量是主题的特征。您可以使用LDA模型来评估文档相似性，通过比较每个文档主题概率（也称为主题混合物）。

负载LDA型号

加载LDA模型Factory Reportsldamodel使用详细介绍不同故障事件的工厂报告的数据集进行了培训。有关如何将LDA模型拟合到文本数据集的示例，请参见使用主题模型分析文本数据。

加载Factory ReportsldamodelMDL
mdl =具有属性的LDAMODEL：NUMTOPICS：7 WORDCONCENTRATION：1 topicconcencentration：0.5755 PolcustopicProbobabilitions：[0.1587 0.1573 0.1551 0.1551 0.1534 0.1340 0.1340 0.13222.1093] documentTopicprobobibility dougnertobilities：[480 doubly 7 doubly 78 doubly Intrubiboly] indobiboly：[480 Doubly Introbiul indimabiboly;主题订单：“初始合适性” fitinfo：[1×1 struct]

使用Word Clouds可视化主题。

numtopics = mdl.numtopics;图Tiledlayout（“流动”） 标题（“ LDA主题”）为了i = 1：NumTopics NextTile WordCloud（MDL，i）;标题（“话题 ”+ i）结尾

使用T-SNE可视化文档群集

T分布的随机邻居嵌入（T-SNE）算法将高维矢量投射到2-D空间。这种嵌入使得可以轻松地可视化高维矢量之间的相似性。通过根据T-SNE算法绘制文档主题混合物，您可以可视化相似文档的聚类。

将主题混合在DocumentTopicProbabilties使用的属性使用tsne功能。

xy = tsne（mdl.documenttopicprobibilities）;

对于绘图组，请确定每个文档的首要主题。

[〜，toptopics] = max（mdl.documenttopicprobibilities，[]，2）;

对于情节标签，请找到每个主题的前三个单词。

为了i = 1：numtopics top = topkwords（mdl，3，i）;topwords（i）= join（top.word，“，”）；结尾

使用GSCATTER功能。将最高主题指定为分组变量，并显示每个主题的顶级单词的传奇。

图GSCATTER（XY（：，1），XY（：，2），Toptopics）标题（“主题混合物”）图例（topsworks，...位置=“ Southoutside”，，，，...numcolumns = 2）

T-SNE图突出了原始高维数据中发生的簇。

也可以看看

|||

相关话题