在多元分析工具包上，潛在類別分析用於預測分類資料的聚類（JMP 庫上的健康風險調查範例）。 該原則如何應用於文字資料？ 我們得到一個文檔術語矩陣，它可以是二進位（數字）、頻率或 TF-IDF。 我們沒有獲得分類資料的 DTM。 那麼 LCA 在這種情況下是如何運作的呢？ 二進位 DTM 是否在內部轉換為分類 DTM？
謝謝馬克貝利。 我理解這是無監督學習演算法。 我試著看看是否可以在多變量平台和文字資源管理器平台上獲得相同的結果。 看來機制不一樣。 感謝您回答我的問題。
非常感謝。 將 DTM 矩陣轉換為分類矩陣後，我嘗試在多元 LCA 平台上重現結果。 由於輸出差異很大，我無法得出任何結論。 但您的回饋很有價值。
LCA 是 Text Explorer 中的一種非監督學習方法。 它發現文檔簇。 它不是一個分類器。
