在LDA模型原理篇我們總結了LDA主題模型的原理，這里我們就從應用的角度來使用scikit-learn來學習LDA主題模型。除了scikit-learn,  還有spark MLlib和gensim庫也有LDA主題模型的類庫，使用的原理基本類似，本文關注于scikit-learn中LDA主題模型的使用。

1. scikit-learn LDA主題模型概述

　　　　在scikit-learn中,LDA主題模型的類在sklearn.decomposition.LatentDirichletAllocation包中，其算法實現主要基于原理篇里講的變分推斷EM算法，而沒有使用基于Gibbs采樣的MCMC算法實現。

　　　　而具體到變分推斷EM算法，scikit-learn除了我們原理篇里講到的標準的變分推斷EM算法外，還實現了另一種在線變分推斷EM算法，它在原理篇里的變分推斷EM算法的基礎上，為了避免文檔內容太多太大而超過內存大小，而提供了分步訓練(partial_fit函數)，即一次訓練一小批樣本文檔，逐步更新模型，最終得到所有文檔LDA模型的方法。這個改進算法我們沒有講，具體論文在這：“Online Learning for Latent Dirichlet Allocation” 。

　　　　下面我們來看看sklearn.decomposition.LatentDirichletAllocation類庫的主要參數。

2. scikit-learn LDA主題模型主要參數和方法

　　　　我們來看看LatentDirichletAllocation類的主要輸入參數:

　　　　1) n_topics: 即我們的隱含主題數

網友評論