如何解释scikit learn的LDA方法转换的结果？

Question

我使用的是scikitlearn的最新dirichletallocation模型。X是由100个文档组成的矩阵，具有5000个特性（100x5000）。我运行了以下代码：

from sklearn.decomposition import LatentDirichletAllocation
lda = LatentDirichletAllocation(n_topics = 5)
X_new = lda.fit_transform(X)

现在X\u new是一个100 X 5矩阵，它应该是每个文档的主题分布。但是，我不知道如何解释实际值。每个数组的和不是100，因此它本身不是一个分布。例如，前两个文档的数组是：

^{pr2}$

我该如何解释这些数字？在

Answer 1

我觉得这个问题更适合这里：https://datascience.stackexchange.com

但是，既然您在这里问过，每个单元格都是这个文档适合n个主题中的一个（在您的例子中，是5）。 它不是标准化的，因为每个文档都是针对每个主题分别进行度量的（因此，理论上所有主题都可以得到0分）。如果你想把所有的主题都规范化的话，你就可以把它规范化。在