PyMC3 对创建潜在狄利克雷分配模型有用吗？

Question

过去几周我一直在尝试学习 PyMC，我的主要任务是使用它来构建 LDA 主题模型。我最初使用 PyMC2.3 https://stats.stackexchange.com/questions/104771/latent-dirichlet-allocation-in-pymc 尝试了这个示例，但对于一个非常简单的模型，它运行了一夜，甚至从未进入采样步骤。因此我已经切换到 PyMC3。

由于随机变量是分类的，是否存在任何基本限制？有没有人用 PyMC3 成功创建过 LDA 模型？我在Unable to create lambda function in hierarchical pymc3 model 找到了一个部分实现，但没有容器我无法让它工作，而且我认为原作者也不能。有谁知道我可以研究什么资源来弄清楚如何构建它？

Answer 1

TL;DR 链接中给出的实现有效，完整的语音语料库测试代码可见：https://github.com/napsternxg/ipython-notebooks/blob/master/PyMC_LDA.ipynb

我使用 PyMC2 实现了您提到的链接中指定的解决方案，并使其适用于 Inaugural Speech 数据集。我对您提到的链接中提供的解决方案的正确性没有信心，但实施工作并给出了一些主题分布。但是，解释该实现更适合那些更好地理解 LDA 的数学定义的人。