0
A
回答
2
LDA通常用於無監督學習,不用於分類。它提供了一個生成模型,而不是一個區分模型(What is the difference between a Generative and Discriminative Algorithm?),這使得它不太適合分類。 LDA對數據預處理和模型參數也很敏感。
相關問題
- 1. Gensim LDA主題分配
- 2. sklearn lda gridsearchcv與管道
- 3. 文本分類。 TFIDF和樸素貝葉斯?
- 4. SKlearn LDA與Gensim LDA的困惑對比問題
- 5. 使用Lucene計算TFIDF分數
- 6. Python ScikitLearn與TFIDF的GridSearchCV問題 - JobLibValueError?
- 7. TFIDF與以前預處理的數據
- 8. 結合Sklearn TFIDF與其他數據
- 9. TFIDF在Python
- 10. LDA - 爲主題分配關鍵字
- 11. 潛在Dirichlet分配(LDA)實現
- 12. 錯誤與功能topicmodels :: lda在R
- 13. Spring LDA:與contextSource Bean有關的問題
- 14. LDA:類中的不同樣本大小
- 15. PHP分類與子分類
- 16. LDA for tags(gensim)
- 17. Tfidf向量不工作
- 18. Mahout TFIDF字典文件
- 19. 繪製文檔tfidf 2D圖
- 20. lda只返回LD1
- 21. Gensim LDA alpha參數
- 22. LDA分類:處於測試數據零預測能力設置實或錯誤
- 23. 如何獲得經過訓練的LDA分類器的特徵權重
- 24. 主題建模與機器學習與LDA
- 25. 按羣組劃分的PySpark平均TFIDF功能
- 26. lda {MASS}是R中唯一適合LDA的功能嗎?
- 27. KNN分類與ROC分析
- 28. 使用計數和tfidf作爲功能與scikit學習
- 29. 分類與mvnpdf MATLAB
- 30. LDA和主題模型