
248
|
第
8
章
为了可视化结果,
pyLDAvis
通过主成分分析(
Principal components analysis
,简称
PCA
,这是一种标准的降维方法),将主题从原来的维度(单词数量)映射到了二维。
这一步会针对每个主题生成一个点,我们添加了一个圆是为了展示主题的相对大小。
我们可以使用
T-SNE
来代替
PCA
,只需要在准备阶段将
mds="tsne"
作为参数传递
进去。这会改变主题间的距离图,而且还可以减少互相重叠的主题泡。然而,这只
是为了可视化,将多个单词维度映射成二维的产物。因此,你应该看一看主题的单
词分布,不要只相信低维可视化。
我们看到
Topics 4
、
6
和
10
有很大一块重叠的部分(“
international
”),而
Topics
3
(“
general assembly
”)似乎距离其他主题都很远。将鼠标放在其他主题泡上,
或点击这些主题泡,你就能在右边看到它们各自的单词分布。尽管并非所有主题都
完全分离,但有一些(比如
Topics 1
和
Topics 7
)与其他主题都相距很远。将鼠标
放在它们上,你就会看到它们的单词有很大的不同。对于这样的主题,最好提取最
有代表性的文档,并作为监督学习的训练集。
pyLDAvis
是一款很好用的工具,非常适合作为屏幕截图放在演示文稿中。尽管看起
来它可以用于探索,然而如果真的想探索主题模型,还需要修改特征以及算法的超
参数。
使用
pyLDAvis
,可以让我们很好地理解主题之间的组织方式以及每个单词的重要程
度。然而,如果我们需要对主题有进一步的定性理解, ...