LDA主题建模报错：'CountVectorizer'对象无'get_feature_names'属性

问题根源 #

scikit-learn在1.0版本后移除了CountVectorizer的get_feature_names()方法，替换为get_feature_names_out()。如果你的sklearn版本是1.0+，而pyLDAvis版本未适配该变更，就会触发这个报错。

解决方案 #

1. 手动传入特征名（推荐）

直接调用get_feature_names_out()获取特征名，手动传给pyLDAvis.sklearn.prepare()的feature_names参数，绕过内部旧方法调用：

# 假设你的变量定义如下
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.decomposition import LatentDirichletAllocation
import pyLDAvis.sklearn

vectorizer = CountVectorizer(...)  # 你的CountVectorizer实例
lda = LatentDirichletAllocation(...)  # 训练好的LDA模型
doc_term_matrix = vectorizer.fit_transform(corpus)  # 词频矩阵

# 手动提取特征名并传入
feature_names = vectorizer.get_feature_names_out()
vis = pyLDAvis.sklearn.prepare(lda, doc_term_matrix, vectorizer, feature_names=feature_names)

2. 更新pyLDAvis到最新版

部分新版本的pyLDAvis已适配sklearn的API变更，执行以下命令更新后再尝试原代码：

pip install --upgrade pyLDAvis

3. 降级scikit-learn到兼容版本

若不想修改代码，可以降级sklearn到1.0以下版本（比如0.24.2）：

pip install scikit-learn==0.24.2

注意：此方法不推荐长期使用，旧版本可能存在安全或功能缺陷。

调试验证步骤 #

• 先确认sklearn版本：

  import sklearn
  print(sklearn.__version__)
  

• 确认vectorizer确实是CountVectorizer实例：

  print(type(vectorizer))  # 应输出 <class 'sklearn.feature_extraction.text.CountVectorizer'>
  

内容的提问来源于stack exchange，提问作者ASH