import matplotlib.pyplot as plt

创建两个空列表，用于存储 perplexity 和 score

plexs = [] scores = []

设置最大的主题数

n_max_topics = 16

循环从1到n_max_topics，依次计算 perplexity 和 score

for i in range(1, n_max_topics): # 创建一个 LatentDirichletAllocation 对象，设置主题数为 i lda = LatentDirichletAllocation(n_components=i, max_iter=50, learning_method='batch', learning_offset=50, random_state=666)

# 使用 tf 训练 LDA 模型
lda.fit(tf)

# 计算 perplexity 和 score，并将结果添加到对应的列表中
plexs.append(lda.perplexity(tf))
scores.append(lda.score(tf))

设置区间最右侧的值

n_t = 15

创建 x 轴的取值范围

x = list(range(1, n_t))

绘制 perplexity 和主题数的关系图

plt.plot(x, plexs[1:n_t]) plt.xlabel("number of topics") plt.ylabel("perplexity") plt.show()

解释：

- 第一行导入了 matplotlib.pyplot 库，用于绘制图表。

- 第三行和第四行创建了两个空列表，用于存储 perplexity 和 score。

- 第七行设置最大的主题数。

- 第十行到第二十行使用循环从1到n_max_topics，依次计算 perplexity 和 score。

- 第十三行创建了一个 LatentDirichletAllocation 对象，设置主题数为 i。

- 第十六行使用 tf 训练 LDA 模型。

- 第十九行和第二十行分别计算 perplexity 和 score，并将结果添加到对应的列表中。

- 第二十三行设置区间最右侧的值。

- 第二十六行创建 x 轴的取值范围。

- 第二十九行绘制 perplexity 和主题数的关系图。