今天我們來談談主題模型(Latent Dirichlet Allocation),由于主題模型是生成模型，而我們常用的決策樹，支持向量機，CNN等常用的機器學習模型的都是判別模型。所以筆者首先簡單介紹一下判別模型和生成模型。下面筆者列出了生成模型和判別模型的核心區別：

• 判別模型：估計的是條件概率分布(conditional distribution)—— 作為預測模型。
• 生成模型：估計的是聯合概率分布（joint probability distribution）—— ，然后根據貝葉斯公式   求出條件概率分布 作為預測模型

簡單的說:

• 判別模型只需要學習特征x，從而就可以去預測類別y。做預測時是判斷新數據屬于哪個類別的概率最大，進而確定新數據的類別，判別模型尋找不同類別之間的最優分類面，反映的是異類數據之間的差異。

• 而生成模型學得是各個類別y，和各自的特征x（即可看成學得多個模型），做預測時是判斷新數據和已知類別中的哪個最為接近，進而確定新數據的類別，生成模型能夠反映同類數據本身的相似度。

由于生產模型學習的是特征x和類別y的聯合分布，所以相較于判別模型更為復雜。當建模過程中存在隱變量是，判別模型就無能為力了，而此時生成模型依然能夠發揮作用。高斯混合模型（隱變量是類別）和今天的筆者要介紹的主題模型（隱變量是主題）就是屬于含有隱變量的生成模型。

主題模型簡介

主題模

總結

以上是生活随笔為你收集整理的LDA主题模型——gensim实战的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。