生成LDA模型图的代码python

以下是使用Python生成LDA模型图的代码示例：

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.decomposition import LatentDirichletAllocation

# 假设有一个文档-词矩阵doc_word_matrix，每行表示一个文档，每列表示一个词
# 可以使用CountVectorizer或TfidfVectorizer将文本转换为文档-词矩阵

# 创建LDA模型
lda = LatentDirichletAllocation(n_components=5, random_state=0)
lda.fit(doc_word_matrix)

# 提取主题-词分布矩阵
topic_word_matrix = lda.components_

# 绘制LDA模型图
fig, ax = plt.subplots(figsize=(10, 6))
sns.heatmap(topic_word_matrix, cmap='Blues', ax=ax)

# 设置坐标轴标签
ax.set_xlabel('Word')
ax.set_ylabel('Topic')

# 设置坐标轴刻度标签
ax.set_xticklabels(range(len(vocabulary)))
ax.set_yticklabels(range(len(lda.components_)))

# 显示图形
plt.show()

请注意，上述代码中的doc_word_matrix是一个文档-词矩阵，每行表示一个文档，每列表示一个词。您需要根据实际情况将其替换为您的数据。另外，您可能需要安装numpy、matplotlib、seaborn和scikit-learn库来运行上述代码。