我在Python中运行lda库,我正在运行这个例子.有谁知道X,词汇和标题的格式？我找不到文档.

import numpy as np
import lda
X = lda.datasets.load_reuters()
vocab = lda.datasets.load_reuters_vocab()
titles = lda.datasets.load_reuters_titles()

解决方法:

X是一个矩阵,其中行是标题,而列是词汇.它是标题文字的一个单词表示.

X
Out[8]: 
array([[1, 0, 1, ..., 0, 0, 0],
       [7, 0, 2, ..., 0, 0, 0],
       [0, 0, 0, ..., 0, 0, 0],
       ..., 
       [1, 0, 1, ..., 0, 0, 0],
       [1, 0, 1, ..., 0, 0, 0],
       [1, 0, 1, ..., 0, 0, 0]], dtype=int32)    

在上面的矩阵中,每一行都是一个单个标题的单词表示.每列代表一个特定的单词示例.

vocab[:5]
Out[5]: ('church', 'pope', 'years', 'people', 'mother')  

因此,X矩阵中的每一行i,col j给出第i个标题中特定单词的频率.

titles[:1]
Out[11]: ('0 UK: Prince Charles spearheads British royal revolution. LONDON 1996-08-20',)  

标题U：查尔斯王子……提到教会一次,教皇0次,年一次,等等.

In [13]: type(titles)
Out[13]: tuple

In [14]: type(vocab)
Out[14]: tuple

In [15]: type(X)
Out[15]: numpy.ndarray