使用pyLDAvis可视化LDA主题时遇AttributeError问题求助

这个错误是因为你使用的sklearn 1.2.2版本中，TfidfVectorizer已经移除了get_feature_names()方法，替换为get_feature_names_out()，但pyLDAvis的sklearn适配逻辑仍在调用旧方法，导致触发属性错误。

最简单的修复方式是给你的vectorizer对象手动添加兼容方法，让旧方法指向新的API：

import pyLDAvis
import pyLDAvis.sklearn
import matplotlib.pyplot as plt
from sklearn.decomposition import LatentDirichletAllocation as LDA
from sklearn.feature_extraction.text import TfidfVectorizer  # 补充你遗漏的导入语句

%matplotlib inline

vectorizer = TfidfVectorizer(stop_words='english')
vectors = vectorizer.fit_transform(df['cons'])  # 无需转成稠密矩阵，pyLDAvis支持稀疏矩阵

# 添加兼容方法，让旧API指向新方法
vectorizer.get_feature_names = vectorizer.get_feature_names_out

# 确保你已经初始化并拟合了LDA模型（示例）
# lda = LDA(n_components=5, random_state=42)
# lda.fit(vectors)

pyLDAvis.enable_notebook()
panel = pyLDAvis.sklearn.prepare(lda, vectors, vectorizer, mds='tsne')
pyLDAvis.display(panel)

额外注意两个细节：

• 你原代码遗漏了TfidfVectorizer的导入语句，必须补上才能正常运行
• 不需要将vectors转为稠密矩阵（.todense()），pyLDAvis可直接处理稀疏矩阵，还能节省内存

如果上述方法无效，也可以尝试升级pyLDAvis到最新版本，新版本已适配sklearn的API变更：

pip install --upgrade pyLDAvis

内容的提问来源于stack exchange，提问作者userrr