使用 GuidedLda 时如何更改 alpha 和 eta 参数答案

【问题标题】：How to change the alpha and eta parameters when using GuidedLda使用 GuidedLda 时如何更改 alpha 和 eta 参数
【发布时间】：2022-01-23 18:20:16
【问题描述】：

我想知道在使用出色的 GuidedLDA 包时如何更改 LDA 模型的超参数。为了提供一个工作示例，我从official docs 中提取了以下内容：

X = guidedlda.datasets.load_data(guidedlda.datasets.NYT)
model = guidedlda.GuidedLDA(n_topics=5, n_iter=100, random_state=7, refresh=20)
model.fit(X)

在阅读文档时，GuidedLda “遵循 scikit-learn 中的约定”，我已阅读 sklearn.decomoposition.LatentDirichletAllocation 并更改该模型的 alpha 和 eta，您可以分别包含参数 doc_topic_prior 和 topic_word_prior。

总的来说，我觉得我错过了 GuidedLda 文档的大部分内容，所以我的问题是有人知道在哪里可以找到完整的文档，或者如何将此功能添加到 GuidedLda？我尝试将此作为选项添加到 GuidedLda 作为

model = guidedlda.GuidedLDA(n_topics=5, n_iter=100, random_state=7, refresh=20,
doc_topic_prior = 0.5)

但不出所料，它并没有那么简单，但上面是我的目标函数。

谢谢。

【问题讨论】：

标签： python scikit-learn lda

【解决方案1】：

我解决了这个问题，以防万一将来再次出现，我会在这里发布解决方案。

我找不到更深入的文档，但您可以通过在 IDE 上的对象查看器中查看对象来访问每个 GuidedLda 对象的方法和函数，例如问题中定义的 Lda 模型。例如。通过右键单击并选择 Spyder 中的对象查看器。

这提供了一个进入文档的窗口。

要更改 alpha 和 eta 参数，只需在初始化模型时将它们作为选项传递：

model = guidedlda.GuidedLDA(n_topics=5, n_iter=100, random_state=7, refresh=20, alpha=0.5, eta=0.3)

【讨论】：