本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 調校 LDA 模型
<a name="lda-tuning"></a>

*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 是一種無監督主題建模演算法，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 SageMaker AI 執行自動模型調校](automatic-model-tuning.md)。

## 依 LDA 演算法計算的指標
<a name="lda-metrics"></a>

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
<a name="lda-tunable-hyperparameters"></a>

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：0.1、MaxValue：10 | 
| num\$1topics | IntegerParameterRanges | MinValue：1、MaxValue：150 |