LDA是一种主题模型。它是一个三层贝叶斯概率模型，包含词、主题和文档三层结构。
它是一种非监督机器学习技术，可以识别出大规模文档集或语料库中的主题。
常用于做文本挖掘聚类分析。
参数设置
参数名称 | 说明 |
|---|---|
| 自动调整最优主题数 | 1、评估标准：LDA主题模型的评估方法。
2、主题数范围：主题个数的范围，1~100的整数。
|
| 启用自动调参 | 勾选该项，则系统自动调参数，不需要用户手工设置参数。 |
主题数目 | 主题数，或者聚类中心数。默认值为2。 |
迭代次数 | 模型的迭代次数，达到该迭代次数即退出。默认值为10 |
文档主题分布 | 文章分布的超参数(Dirichlet分布的参数)，必需>=0，默认值为1。 值越大，推断出的分布越平滑 |
主题词分布 | 主题分布的超参数(Dirichlet分布的参数)，必需>=0，默认值为1。 值越大，推断出的分布越平滑 |
示例
使用文本数据，分析主题词分布情况以及各词的概率权重。
