如何肯定LDA的topic个数
之前一直是按经验设置topic个数，数据量小就少点，数据量大就多点，大概50-500吧。最近有同窗跟我讨论，才想起来该找找相关文献，学习一下如何科学的肯定topic个数。机器学习 1.用perplexity-topic number曲线学习 LDA有一个本身的评价标准叫Perplexity(困惑度)，能够理解为，对于一篇文档d，咱们的模型对文档d属于哪一个topic有多不肯定，这个不肯定程度就是P
相关文章
- 1. hive 的map数和reduce如何肯定
- 2. DBSCAN中的参数如何肯定？
- 3. LDA计算 perplexity（困惑度）肯定主题个数（代码）
- 4. topic model (LSA、PLSA、LDA)
- 5. 如何确定LDA主题模型中的主题个数？
- 6. 如何在Java中肯定素数
- 7. 如何肯定Python变量的类型？
- 8. 如何肯定MS SQL的版本
- 9. 如何肯定Kafka的分区数、key和consumer线程数
- 10. 如何肯定两个JavaScript对象的相等性？
- 更多相关文章...
- • XSD 如何使用? - XML Schema 教程
- • 如何伪造ARP响应？ - TCP/IP教程
- • TiDB 在摩拜单车在线数据业务的应用和实践
- • Flink 数据传输及反压详解
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
欢迎关注本站公众号,获取更多信息
