本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# LDA 超参数
<a name="lda_hyperparameters"></a>

在 `CreateTrainingJob` 请求中，您可以指定训练算法。您还可以指定算法特定的超参数作为字符串到字符串映射。下表列出了 Amazon SageMaker AI 为 LDA 训练算法提供的超参数。有关更多信息，请参阅 [LDA 工作原理](lda-how-it-works.md)。


| 参数名称 | 描述 | 
| --- | --- | 
| num\_topics | 要在数据中查找的 LDA 的主题数。<br />**必填**<br />有效值：正整数 | 
| feature\_dim | 输入文档语料库的词汇表的大小。<br />**必填**<br />有效值：正整数 | 
| mini\_batch\_size | 输入文档语料库中的文档的总数。<br />**必填**<br />有效值：正整数 | 
| alpha0 | 浓度参数的初始猜测：狄利克雷先验元素之和。小的值更有可能产生稀疏的主题混合，大的值 (大于 1.0) 会产生更均匀的混合。<br />**可选**<br />有效值：正浮点数<br />默认值：1.0 | 
| max\_restarts | 在算法的交替最小二乘 (ALS) 谱分解阶段执行的重启次数。可用于通过额外计算来寻找更好的质量局部最小值，但通常不应进行调整。<br />**可选**<br />有效值：正整数<br />默认值：10 | 
| max\_iterations | 在算法的 ALS 阶段执行的迭代的最大次数。可用于通过额外计算来寻找更好的质量最小值，但通常不应进行调整。<br />**可选**<br />有效值：正整数<br />默认值：1000 | 
| tol | 算法的 ALS 阶段的目标容错。可用于通过额外计算来寻找更好的质量最小值，但通常不应进行调整。<br />**可选**<br />有效值：正浮点数<br />默认值：1e-8 |