Inhoudsopgave:

Hoe gebruik je latente Dirichlet-toewijzing?
Hoe gebruik je latente Dirichlet-toewijzing?

Video: Hoe gebruik je latente Dirichlet-toewijzing?

Video: Hoe gebruik je latente Dirichlet-toewijzing?
Video: Become A Master Of SDXL Training With Kohya SS LoRAs - Combine Power Of Automatic1111 & SDXL LoRAs 2024, Mei
Anonim

Wat is LDA?

  1. Kies uw unieke set onderdelen.
  2. Kies hoeveel composieten je wilt.
  3. Kies hoeveel onderdelen je per composiet wilt (monster van een Poisson verdeling ).
  4. Kies hoeveel onderwerpen (categorieën) je wilt.
  5. Kies een getal tussen niet-nul en positief oneindig en noem het alfa.

Evenzo kun je je afvragen, is Latent Dirichlet Allocation machine learning?

Latente Dirichlet-toewijzing ( LDA ) is een generatief probabilistisch model van een corpus. Het basisidee is dat documenten worden weergegeven als willekeurige mengsels over latent onderwerpen, waarbij elk onderwerp wordt gekenmerkt door een verdeling over woorden.

Evenzo, hoe werkt LDA-onderwerpmodellering? LDA gaat ervan uit dat documenten worden geproduceerd uit een mengsel van onderwerpen. Die onderwerpen genereren vervolgens woorden op basis van hun kansverdeling. Gegeven een dataset van documenten, LDA keert terug en probeert erachter te komen welke onderwerpen zou maak die documenten in de eerste plaats. LDA is een matrixfactorisatietechniek.

Hoe spreek je in dit verband latente Dirichlet-toewijzing uit?

De "ch" kan worden uitgesproken als een "sh" -klank of een harde "k" -klank. En het einde "et" kan op Franse wijze worden uitgesproken als "lay" of als "let" met een harde "t"-klank. Latente Dirichlet-toewijzing werd voor het eerst uitgelegd in een onderzoekspaper uit 2003, maar zoals de meeste technieken werden de belangrijkste ideeën eerder gepubliceerd.

Is latente Dirichlet-toewijzing onder toezicht of zonder toezicht?

Dat klopt dat LDA is een ongecontroleerd methode. Het kan echter worden uitgebreid tot een onder toezicht een.

Aanbevolen: