enstop 0.1.1

为什么使用恩斯托普？

使用集成方法进行主题建模有许多优点。 最明显的是它产生了更好更稳定的话题。很快， 但是，通过使用hdbscan对主题进行集群，它可以学习 “自然”主题数。也就是说，当用户需要指定 主题的数量，actual生成的主题的数量将取决于 许多稳定的主题是通过许多引导运行产生的。实际上这个可以 或者比估计的主题数目多，或者少。

尽管有这些额外的功能，集成主题方法仍然是非常 高效，特别是在多核环境中（由于 合奏的性质）。一次规模合理的合奏可以在 大约在同一时间，它可能需要适合一个lda模型，并通常产生优于 质量结果。

除此之外，Enstop还提供了一个可使用的PLSA实现 独立的（不是合奏的一部分）。所以如果你所失去的只是 快速plsa实现（其运行速度比许多lda快得多 实现）那么enstop就是你的库。

如何使用enstop

enstop遵循sklearn api（并继承自sklearn基类），因此如果 使用sklearn进行lda或nmf，那么您已经知道如何使用enstop。一般用法是 非常直截了当。下面的示例使用enstop从 经典的20个新闻组数据集，使用sklearn的countvector生成 必需的计数矩阵。

fromsklearn.datasetsimportfetch_20newsgroupsfromsklearn.feature_extraction.textimportCountVectorizerfromenstopimportEnsembleTopicsnews=fetch_20newsgroups(subset='all')data=CountVectorizer().fit_transform(news.data)model=EnsembleTopics(n_components=20).fit(data)topics=model.components_doc_vectors=model.embedding_

如何使用PLSA

enstop还提供了一个简单易用但快速有效的plsa实现 在盒子里。与集成主题建模器一样，它遵循sklearn api和用法 非常相似。

fromsklearn.datasetsimportfetch_20newsgroupsfromsklearn.feature_extraction.textimportCountVectorizerfromenstopimportPLSAnews=fetch_20newsgroups(subset='all')data=CountVectorizer().fit_transform(news.data)model=PLSA(n_components=20).fit(data)topics=model.components_doc_vectors=model.embedding_

安装

安装enstop的最简单方法是通过pip

pip install enstop

要手动安装此软件包：

wget https://github.com/lmcinnes/enstop/archive/master.zip
unzip master.zip
rm master.zip
cd enstop-master
python setup.py install

帮助和支持

一些基本的示例笔记本可以使用here。

文件来了。这个项目还很年轻。如果你需要帮助，或者 问题请open an issue 我会尽力提供帮助和指导。请同时检查 代码上的docstrings，它提供了一些参数的描述。

许可证

enstop软件包是2条款bsd许可的。

贡献

我们非常欢迎您的贡献！有很多机会 对于潜在的项目，如果您愿意，请与我们联系 救命啊。从代码到笔记本到 示例和文档都是同等价值的所以请不要觉得 你不能贡献。请fork the project做出更改并 提交请求。我们将尽最大努力解决 然后将代码合并到主分支中。