想请教一下LDA主题模型的可视化部分，我下载了scikit_learn模块，为什么这样代码会报错？

Question

tf_feature_names = tf_vectorizer.get_feature_names_out()
print_top_words(lda, tf_feature_names, n_top_words)

可视化

import pyLDAvis
import pyLDAvis.lda_model

创建 pyLDAvis 对象

lda_vis = pyLDAvis.lda_model.prepare(lda,tf,tf_feature_names)

显示交互式可视化

pyLDAvis.display(lda_vis)

备注：1.本来代码中我是pyLDAvis.sklearn.prepare,但是会报错说pyLDAvis中没有sklearn.2.get_feature_names()我也试过，也报错了

Answer 1

让阿豪来帮你解答，本回答参考chatgpt3.5编写提供，如果还有疑问可以评论或留言

问题：如何使用pyLDAvis进行LDA主题模型的可视化？ 回答： 1.首先，需要安装pyLDAvis包。 2.创建pyLDAvis可视化对象需要用到以下代码：

import pyLDAvis
import pyLDAvis.lda_model
lda_vis = pyLDAvis.lda_model.prepare(lda, tf, tf_feature_names)

其中lda为已经训练好的LDA模型，tf为文本的term frequency矩阵，tf_feature_names为对应的特征名。 3.显示交互式可视化需要用到以下代码：

pyLDAvis.display(lda_vis)

这将在notebook中显示交互式主题模型可视化。 具体案例代码如下：

import pandas as pd
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.decomposition import LatentDirichletAllocation
import pyLDAvis
import pyLDAvis.sklearn
# 读取文本数据
doc = pd.read_csv('doc.csv')
# 特征提取，使用CountVectorizer
tf_vectorizer = CountVectorizer(max_df=0.95, min_df=2, stop_words='english')
tf = tf_vectorizer.fit_transform(doc['text'])
# 训练LDA模型
n_topics = 10
lda = LatentDirichletAllocation(n_components=n_topics, max_iter=50, learning_method='online', learning_offset=50.,random_state=0).fit(tf)
# 创建pyLDAvis可视化
tf_feature_names = tf_vectorizer.get_feature_names()
pyLDAvis.enable_notebook()
lda_vis = pyLDAvis.sklearn.prepare(lda, tf, tf_vectorizer)
# 显示可视化
pyLDAvis.display(lda_vis)