我正在使用LDA的sklearn实现进行主题建模。在模型拟合之后，我得到了一些有意义的主题，单词的权重增加，所以这很好，但是我也得到了其他主题，所有单词的权重都与前一个（1/主题数）相似。这种行为对我来说听起来很奇怪，可能是什么原因？
有关我的设置的信息是：
- 1000字词汇
- 我正在向模型传递一个 ffidf 矩阵，使用此词汇超过 700+ 个文档，每个文档在 500 到 1000 个字符之间
- 我尝试运行不同数量的 em 迭代，这不会改变结果
- 我要求30个主题
我也想知道我是否有太多的主题，但如果确实如此，模型不应该改变主题的权重吗？
我有一个类似的问题，但就我而言，这与只有少量（大）文档有关。在这种情况下，在scikit-learn中实现的在线变分贝叶斯方法在查找信息主题时存在问题（但是，基于Gibbs采样的方法有效）。
我认为在你的情况下，问题是你正在传递一个"ffidf 矩阵"（我认为你的意思是 tfidf 矩阵）。据我所知，LDA 仅适用于离散数字，因此您需要传递 tf 矩阵（术语频率又名词袋又名文档术语矩阵 – DTM）。