参数“mds”在pyLDAvis.sklearn.prepare（）函数中的含义是什么？

Question

我想想象一下使用LDA算法进行的主题建模。我使用名为“pyldavis”的python模块和jupyter笔记本作为环境。

import pyLDAvis.sklearn
...
pyLDAvis.sklearn.prepare(lda_tf, dtm_tf, tf_vectorizer)
pyLDAvis.sklearn.prepare(lda_tf, dtm_tf, tf_vectorizer, mds='mmds')
pyLDAvis.sklearn.prepare(lda_tf, dtm_tf, tf_vectorizer, mds='tsne')

它确实工作正常，但我真的不明白mds参数...即使阅读文档后：

mds：函数或函数的字符串表示

将topic_term_dists作为输入并通过2距离矩阵输出n_topics的函数。输出近似于主题之间的距离。有关默认函数的详细信息，请参阅js_PCoA（）。如果为后两者安装了sklearn包，则字符串表示当前接受pcoa（或大写变体），mmds（或大写变体）和tsne（或大写变体）。

有人知道btw有什么不同吗？ mds ='pcoa'，mds ='mmds'，mds ='tsne'？

谢谢！

Answer 1

我不是专家，但我遇到了同样的问题，在搜索关键词'pcoa'，'mmds'，'tsne'后，我了解到这些是降维的不同技巧。我猜'mds'代表'多维缩放'。

pyLDAvis使用此配置，同时在2D上绘制主题以确定其定位。