Innholdsfortegnelse:

Hvordan bruker du latent Dirichlet-allokering?
Hvordan bruker du latent Dirichlet-allokering?

Video: Hvordan bruker du latent Dirichlet-allokering?

Video: Hvordan bruker du latent Dirichlet-allokering?
Video: ХАБИБ - Ягода малинка (Премьера клипа) 2024, November
Anonim

Hva er LDA?

  1. Velg ditt unike sett med deler.
  2. Velg hvor mange kompositter du vil ha.
  3. Velg hvor mange deler du vil ha per kompositt (prøve fra en Poisson fordeling ).
  4. Velg hvor mange emner (kategorier) du vil ha.
  5. Velg et tall mellom ikke-null og positiv uendelighet og kall det alfa.

På samme måte kan du spørre, er latent Dirichlet Allocation maskinlæring?

Latent Dirichlet tildeling ( LDA ) er en generativ probabilistisk modell av et korpus. Grunntanken er at dokumenter er representert som tilfeldige blandinger over latent emner, hvor hvert emne er preget av en fordeling over ord.

På samme måte, hvordan fungerer LDA-emnemodellering? LDA forutsetter at dokumenter er produsert fra en blanding av emner. Disse emnene genererer deretter ord basert på sannsynlighetsfordelingen. Gitt et datasett med dokumenter, LDA går tilbake og prøver å finne ut hvilke emner ville opprette disse dokumentene i utgangspunktet. LDA er en matrisefaktoriseringsteknikk.

I forhold til dette, hvordan uttaler du latent Dirichlet-allokering?

"ch" kan uttales som en "sh"-lyd, eller en hard "k"-lyd. Og slutten "et" kan uttales på fransk måte som "lay" eller som "la" med en hard "t"-lyd. Latent Dirichlet tildeling ble først forklart i en forskningsartikkel fra 2003, men som de fleste teknikker ble nøkkelideene publisert tidligere.

Er latent Dirichlet-tildeling overvåket eller uten tilsyn?

Det er riktig det LDA er en uten tilsyn metode. Den kan imidlertid utvides til en overvåket en.

Anbefalt: