在NLP學習中，常常用到LDA主題模型對文本進行分類，可視化經常用到的代碼有

import pyLDAvis
import pyLDAvis.sklearnpanel = pyLDAvis.sklearn.prepare(lda, tf_idf, tf_idf_vectorizer)
pyLDAvis.save_html(panel, 'lda_visualization.html')
pyLDAvis.display(panel)

1. import pyLDAvis

   • 這行代碼導入了?pyLDAvis?庫，這是一個Python庫，用于交互式可視化主題模型的結果，如LDA（Latent Dirichlet Allocation）模型。

2. import pyLDAvis.sklearn

   • 這行代碼從?pyLDAvis?庫中導入了?sklearn?模塊。這個模塊提供了與scikit-learn庫（一個廣泛使用的Python機器學習庫）集成的工具，使得?pyLDAvis?可以與scikit-learn的模型和數據格式兼容。

3. panel = pyLDAvis.sklearn.prepare(lda, tf_idf, tf_idf_vectorizer)

   • 這行代碼使用?pyLDAvis.sklearn.prepare?函數來準備數據，以便于可視化。它需要三個參數：
     • lda: 一個已經訓練好的LDA模型實例。
     • tf_idf: 一個稀疏矩陣，表示文檔-詞項矩陣（Term Frequency-Inverse Document Frequency），通常是通過?sklearn.feature_extraction.text.TfidfVectorizer?轉換得到的。
     • tf_idf_vectorizer: 用于創建?tf_idf?矩陣的向量化器，它包含了詞匯表等信息。
   • 函數返回一個?pyLDAvis?面板對象，這個對象包含了所有需要進行可視化的數據。

4. pyLDAvis.save_html(panel, 'lda_visualization.html')

   • 這行代碼將?pyLDAvis?面板對象保存為一個HTML文件。這個HTML文件可以被任何現代瀏覽器打開，用于展示LDA模型的交互式可視化。文件名是?'lda_visualization.html'。

5. pyLDAvis.display(panel)

   • 這行代碼使用?pyLDAvis.display?函數在Jupyter筆記本中直接顯示LDA模型的交互式可視化。如果你在Jupyter環境中工作，這將非常有用，因為它允許你直接在筆記本中查看結果，而不需要打開一個單獨的HTML文件。

總的來說，這些代碼是用來準備和展示一個LDA模型的交互式主題模型可視化的。這有助于理解模型如何將文檔分配到不同的主題上，以及每個主題中包含哪些詞項。

但是經常遇到no module named pyLDAvis.sklearn

?解決辦法如下：

錯誤1：使用了import pyLDAvis.sklearn，提示沒有模塊no module named 'pyldavis.sklearn'默認安裝 pyLDAvis==3.4.1，最后降級處理，解決方式：

?pip install pyLDAvis==3.2.2

錯誤2： return vectorizer.get_feature_names()
AttributeError: 'CountVectorizer' object has no attribute 'get_feature_names'

解決方式：進入相關的代碼文件中，找到對應位置，修改為：return vectorizer.get_feature_names_out()

錯誤3：

pyLDAvis\_prepare.py", line 247, in _topic_info
? ? default_term_info = default_term_info.sort_values(
TypeError: drop() takes from 1 to 2 positional arguments but 3 were given

解決方式：

修改_prepare.py文件 ，
將248行代碼改為drop(‘saliency’, 1) ==> drop(‘saliency’, axis=1)

我到這一步就可以展示了，但是如果還有問題的話，可以參照錯誤4

錯誤4：OSError: [Errno 22] Invalid argument: 'https://cdn.jsdelivr.net/gh/bmabey/py

修改報錯處，即_display.py的227.py,local=True改為local=False

最后結果展示：