Quiero realizar LDA en Python y tengo la matriz numpy, títulos y documentos de texto. ¿Cómo los ingreso y hago el LDA para los datos?

Answer 1

Si desea hacer una clasificación de texto con python, entonces olvide LDA por ahora. Como señaló Zeyu Chen, en scikit-learn se trata de un análisis discriminante lineal y no de una asignación de dirichlet latente.

Convierta su matriz de documentos numpy en el formato disperso de la matriz tf-idf. Use CountVectorizer () y TfidfTransformer () para esto. Supongo que ya ha hecho cosas relacionadas con la PNL antes (palabras vacías, stemming, minúsculas)
Entonces puedes usar cualquier clasificador. Bayes ingenuos multinomiales, regresión logística, máquinas de vectores de soporte funcionan bastante bien. Están disponibles buenos tutoriales: clasificación de documentos de texto usando características dispersas

Para utilizar la asignación de Dirichlet latente para modelar temas, siga estos enlaces con código y explicación:
Asignación de Dirichlet latente en Python
Introducción a la asignación de Dirichlet latente en Python