236152_zh-CN

liliconcom

潜在类分析如何在文本资源管理器上工作

在多元分析工具包上，潜在类别分析用于预测分类数据的聚类（JMP 库上的健康风险调查示例）。 该原则如何应用于文本数据？ 我们得到一个文档术语矩阵，它可以是二进制（数字）、频率或 TF-IDF。 我们没有获得分类数据的 DTM。 那么 LCA 在这种情况下是如何工作的呢？ 二进制 DTM 是否在内部转换为分类 DTM？

回复：潜在类分析如何在文本资源管理器上工作

谢谢马克·贝利。 我理解这是无监督学习算法。 我试图看看是否可以在多变量平台和文本资源管理器平台上获得相同的结果。 看来机制不一样。 感谢您回答我的问题。

回复：潜在类分析如何在文本资源管理器上工作

非常感谢。 将 DTM 矩阵转换为分类矩阵后，我尝试在多元 LCA 平台上重现结果。 由于输出差异很大，我无法得出任何结论。 但您的反馈很有价值。

回复：潜在类分析如何在文本资源管理器上工作

LCA 是 Text Explorer 中的一种无监督学习方法。 它发现文档簇。 它不是一个分类器。

回复：潜在类分析如何在文本资源管理器上工作您可以在此处了解有关文本资源管理器中的 LCA 的更多信息： https://www.jmp.com/support/help/en/15.0/#page/jmp/latent-class-analysis.shtml

有关 LCA 平台的更多信息请参见此处： https://www.jmp.com/support/help/en/15.0/#page/jmp/latent-class-model-fit.shtml#ww383604

请参阅底部注释：Text Explorer 平台中使用的 LCA 算法利用了文档术语矩阵的特定结构。 因此，Text Explorer 平台中的 LCA 结果与潜在类分析平台中的结果并不完全匹配。