기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# LDA 모델 튜닝
<a name="lda-tuning"></a>

하이퍼파라미터 튜닝이라고도 하는 자동 모델 튜닝은 데이터세트에 대한 광범위한 하이퍼파라미터를 테스트하는 여러 작업을 실행하여 최적의 모델 버전을 찾습니다.** 튜닝 가능한 하이퍼파라미터, 각 하이퍼파라미터에 대한 값 범위 및 목표 지표를 선택합니다. 알고리즘에서 계산하는 지표 중에서 목표 지표를 선택합니다. 자동 모델 튜닝은 선택한 하이퍼파라미터를 검색하여 목표 지표를 최적화하는 모델을 만드는 값 조합을 찾습니다.

LDA는 관측치 세트(문서)를 다른 범주(주제)의 혼합으로서 설명하려 하는 비지도 주제 모델링 알고리즘입니다. “Per-Word Log-Likelihood”(PWLL) 지표는 학습한 주제 세트(LDA 모델)가 테스트 문서 데이터 세트를 정확하게 설명할 가능성을 측정합니다. PWLL의 값이 클수록 LDA 모델이 테스트 데이터를 설명할 가능성이 커집니다.

모델 튜닝에 대한 추가 정보는 [SageMaker AI로 자동 모델 튜닝](automatic-model-tuning.md) 섹션을 참조하세요.

## LDA 알고리즘으로 계산되는 지표
<a name="lda-metrics"></a>

LDA 알고리즘은 훈련 중 단일 지표 `test:pwll`에 대해 보고합니다. 모델을 튜닝할 때 목표 지표로 이 지표를 선택합니다.


| 지표 이름 | 설명 | 최적화 방향 | 
| --- | --- | --- | 
| test:pwll | 테스트 데이터 세트에 대한 Per-Word Log-Likelihood. 학습한 LDA 모델이 테스트 데이터 세트를 정확하게 설명할 가능성. | 최대화 | 

## 튜닝 가능한 LDA 하이퍼파라미터
<a name="lda-tunable-hyperparameters"></a>

LDA 알고리즘에 대한 다음 하이퍼파라미터를 튜닝할 수 있습니다. 하이퍼파라미터 `alpha0` 및 `num_topics`은 LDA 목표 지표(`test:pwll`)에 영향을 미칠 수 있습니다. per-word log-likelihood를 최대화하고 정확한 LDA 모델을 생성하는 이러한 하아퍼파라미터의 최적 값을 아직 모르는 경우 자동 모델 튜닝을 통해 최적 값을 찾을 수 있습니다.


| 파라미터 이름 | 파라미터 유형 | 권장 범위 | 
| --- | --- | --- | 
| alpha0 | ContinuousParameterRanges | MinValue: 0.1, MaxValue: 10 | 
| num\$1topics | IntegerParameterRanges | MinValue: 1, MaxValue: 150 |