我不清楚LDAModel.topicsMatrix()的输出。
我想我理解LDA的概念，并且每个主题都由一个分布在各个术语上的分布来表示。
很明显（我认为）：
每个主题的句子中单词的可能性最高的总和，表示此tweet属于某个主题的证据。
对于n个主题，LDAModel.describeTopics()的输出是n乘以m矩阵，其中m表示词汇的大小。此矩阵中的值小于或等于1。
但是在describeTopics()中，我不知道我在看什么。阅读文档时也是如此。
该矩阵是m乘以n的矩阵，维数已经改变，并且该矩阵中的值大于零（因此可以取不是概率值的值2）。这些价值观是什么？这个词在题目中的出现也许？
如何使用这些值来计算句子到主题的距离？
最佳答案
我认为矩阵是m*n m是单词数，n是主题数
关于python - Spark MLLIB LDA topicsmatrix的输出是什么？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/38210820/