Я использую подмодули NMF и LDA sklearn для анализа немеченого текста. Я прочитал документацию, но я не уверен, что функции преобразования в этих модулях (NMF и LDA) такие же, как и задняя функция в тематических моделях R (см. Predicting LDA topics for new data). В принципе, я ищу функцию, которая позволит мне предсказать темы в тестовом наборе, используя модель, подготовленную по данным обучающих наборов. Я предсказал темы по всему набору данных. Затем я разделил данные на тренировочные и тестовые наборы, обучил модель набора поездов и преобразовал тестовый набор с использованием этой модели. хотя ожидалось, что я не получу одинаковых результатов, сравнивая две темы тем, не уверяя меня, что функция преобразования выполняет ту же функцию, что и пакет R. Буду признателен за ваш ответ.python - sklearn Скрытое преобразование распределения Дирихле v. Fittransform
спасибо
, что scikit-узнать версию вы используете? –
также, что указывало, что результаты разные? –
спасибо, Михаил, v 0.18. моя цель понять, действительно ли функция преобразования обеспечивает функциональность для прогнозирования тем в тестовом наборе. спасибо – valearner