高斯LDA的python代码实例

高斯LDA（Latent Dirichlet Allocation）是一种用于主题建模的概率模型，它是LDA的一种变体，假设主题的分布是多元高斯分布。下面是一个使用Python实现高斯LDA的代码示例：

import numpy as np
from sklearn.decomposition import LatentDirichletAllocation

# 创建高斯LDA模型
lda = LatentDirichletAllocation(n_components=10, doc_topic_prior=0.1, topic_word_prior=0.01)

# 加载数据
data = np.loadtxt('data.txt')

# 拟合模型
lda.fit(data)

# 获取主题-词分布矩阵
topic_word_distribution = lda.components_

# 获取文档-主题分布矩阵
doc_topic_distribution = lda.transform(data)

# 打印结果
print("主题-词分布矩阵：")
print(topic_word_distribution)
print("文档-主题分布矩阵：")
print(doc_topic_distribution)

上述代码使用了`sklearn`库中的`LatentDirichletAllocation`类来实现高斯LDA。首先创建了一个高斯LDA模型，指定了主题数目、文档-主题先验和主题-词先验。然后加载数据，数据应为一个二维数组，每行代表一个文档，每列代表一个词的计数。接着使用`fit`方法拟合模型，得到主题-词分布矩阵和文档-主题分布矩阵。最后打印结果。