如何在Python中重新訓練機器學習模型，直至獲得理想的結果

Question

我正在使用非負矩陣分解（NMF）主題模型爲客戶反饋構建主題模型。

它創建話題羣集如下：

[(0, [u'reserved block', u'reserved block available', u'reserved block week', u'need reserved block']), (1, [u'hour block', u'package hour block', u'bring hour block', u'bring hour']), (2, [u'hard block', u'driver hard block', u'driver hard', u'gps horrible']), (3, [u'delivery block', u'hard delivery block', u'hard delivery', u'delivery block available']), (4, [u'block available', u'reserved block available', u'make block', u'make block available']) 

但是，話題0 & 4和話題2 & 3幾乎相同。我想知道如何重新訓練模型，以便它能夠以主題0 & 4;主題2 & 3作爲一個主題在兩個關鍵字的聯合（&設置他們的基礎上，他們的順序&權重也應該給予更多的權重）。

Answer 1

一般來說，如果您的NMF或LDA或其他類似算法的輸出爲您提供一組重疊的主題，首先推薦很簡單 - 減少主題的數量。通過這樣做，你自然會迫使算法將類似的主題合併在一起。我會建議嘗試這個並檢查結果。

如果您仍然想手動弄亂算法訓練的結果並手動合併幾個主題，我會嘗試從閱讀關於您正在使用的特定算法（NMF）的文檔開始，並檢查哪些屬性定義特定主題（屬性稱爲components_）和定義主題的單詞。然後你可以更新現有的NMF實例來調整它的組件。雖然這將是一項相當艱鉅的任務。

修訂

另一種方法是取文檔主題和單詞主題矩陣（其在技術上的算法輸出）和手動更新它們。檢查相應的文章：

https://medium.com/towards-data-science/improving-the-interpretation-of-topic-models-87fd2ee3847d

一般而言，NMF的結果，你應該得到一個2點矩陣。其中一個將顯示每個文件對每個主題的成員資格程度。另一個詞 - 對每個主題的權重。

當合並兩個議題要：

1）合併列文檔主題矩陣中的主題。例如，如果在此矩陣中，您有一行顯示的文檔對於主題1擁有50％的會員資格，對於主題2，由於合併可能需要10％的會員資格，因此您可能需要獲得60％合併主題的會員資格

2）將單詞中的主題行合併到主題矩陣。這就是它變得不平凡的地方。據我所知，你不能僅僅總結針對特定主題的詞的權重（所有權重應該總計爲相同的數字），但你可以嘗試這樣做，看看會發生什麼。