Scikit学习中的可重现LDA模型

Question

我正在使用LDA进行主题建模。

从sklearn.decomposition导入LatentDirichletAllocation

我使用一组10个文件制作了模型。 现在，我尝试将其群集为3。

类似于以下内容：

“””

import numpy as np  
data = []
a1 = " a word in groupa doca"
a2 = " a word in groupa docb"
a3 = "a word in groupb docc"
a4 = "a word in groupc docd"
a5 ="a word in groupc doce"
data = [a1,a2,a3,a4,a5]
del a1,a2,a3,a4,a5

NO_DOCUMENTS = len(data)
print(NO_DOCUMENTS)


from sklearn.decomposition import LatentDirichletAllocation
from sklearn.feature_extraction.text import CountVectorizer

NUM_TOPICS = 2

vectorizer = CountVectorizer(min_df=0.001, max_df=0.99998, 
                         stop_words='english', lowercase=True, 
                         token_pattern='[a-zA-Z\-][a-zA-Z\-]{2,}')
data_vectorized = vectorizer.fit_transform(data)

# Build a Latent Dirichlet Allocation Model
lda_model = LatentDirichletAllocation(n_topics=NUM_TOPICS, 
   max_iter=10, learning_method='online')
lda_Z = lda_model.fit_transform(data_vectorized)

vocab = vectorizer.get_feature_names()  
text = "The economy is working better than ever"
x = lda_model.transform(vectorizer.transform([text]))[0]
print(x, x.sum())

for iDocIndex,text in enumerate(data):            
    x = list(lda_model.transform(vectorizer.transform([text]))[0])
    maxIndex = x.index(max(x))            
    if TOPICWISEDOCUMENTS[maxIndex]:
        TOPICWISEDOCUMENTS[maxIndex].append(iDocIndex) 
    else:
        TOPICWISEDOCUMENTS[maxIndex] = [iDocIndex]    



 print(TOPICWISEDOCUMENTS)

“””

---

每当我运行系统时，即使对于同一组输入数据，我也会获得不同的集群。

或者，LDA是不可复制的。

如何使其可再现..？

Answer 1

为了在scikit中重现性，请在代码中看到的任何位置设置random_state参数。

在您的情况下，其LatentDirichletAllocation(...)

用这个：

lda_model = LatentDirichletAllocation(n_topics=NUM_TOPICS, 
                                      max_iter=10,  
                                      learning_method='online'
                                      random_state = 42)

检查此链接：

• http://scikit-learn.org/stable/developers/utilities.html#validation-tools

如果要使整个脚本具有可复制性，并且不想搜索将random_state放在random_state ，则可以设置一个全局numpy随机种子。

import numpy as np
np.random.seed(42)

请参阅： http : //scikit-learn.org/stable/faq.html#how-do-i-set-a-random-state-for-an-entire-execution

Answer 2

lda_model = LatentDirichletAllocation(n_topics=NUM_TOPICS, 
                                      max_iter=10,  
                                      learning_method='online'
                                      random_state = 42) 

工作... !!!

非常感谢

另外，我也尝试过

import numpy as np
np.random.seed(42)

但这是无效的。

感谢您的解决