調校 LDA 模型

自動模型調校，又稱為超參數調校，會透過在您的資料集上，執行許多測試超參數範圍的任務，來尋找最佳版本的模型。您可以選擇可調校的超參數、每一個超參數的值範圍，及目標指標。您可以從演算法運算的指標中選擇目標指標。自動模型調校會搜尋所選擇的超參數，以找出產生之模型可最佳化目標指標的值組合。

LDA 是一種非監督式的主題建模演算法，嘗試將一組觀察項 (文件) 描述為不同類別的混合組合 (主題)。“每字都記錄的機率” (PWLL) 指標會測量已學會之主題集 (LDA 模型) 準確描述測試文件資料集的機率。PWLL 值愈大，表示 LDA 模型愈可能描述測試資料。

如需模型調校的詳細資訊，請參閱使用 自動模型調校 SageMaker。

依 LDA 演算法計算的指標

LDA 演算法在訓練期間針對單一指標報告：test:pwll。調校模型時，請選擇此指標做為目標指標。

指標名稱	描述	最佳化方向
test:pwll	測試資料集的每字都記錄機率。已學會的 LDA 模型準確描述測試資料集的機率。	最大化

可調校的 LDA 超參數

您可調校 LDA 演算法的下列超參數。alpha0 和 num_topics 兩種超參數都會影響 LDA 目標指標 (test:pwll)。如果您不熟悉這些超參數的最佳值 (它們會最大化每字都記錄的機率以及產生準確的 LDA 模型)，自動模型調校會協助您找到它們。

參數名稱	參數類型	建議範圍
alpha0	ContinuousParameterRanges	MinValue：零 MaxValue
num_topics	IntegerParameterRanges	MinValue MaxValue：一、