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。

# LDA 超參數
<a name="lda_hyperparameters"></a>

在 `CreateTrainingJob` 請求中，請指定訓練演算法。您也可以指定演算法特定的超參數做為字串對字串的對應。下表列出 Amazon SageMaker AI 提供的 LDA 訓練演算法的超參數。如需更多詳細資訊，請參閱 [LDA 的運作方式](lda-how-it-works.md)。


| 參數名稱 | 描述 | 
| --- | --- | 
| num\$1topics |  LDA 要在資料中找出的主題數量。 **必要** 有效值：正整數  | 
| feature\$1dim |  輸入文件語料庫的詞彙數量。 **必要** 有效值：正整數  | 
| mini\$1batch\$1size |  輸入文件語料庫中文件的總數。 **必要** 有效值：正整數  | 
| alpha0 |  集中參數的初始猜測值：狄利克雷先驗元素的總和。小的值更可能產生稀疏主題混合，而大的值 (大於 1.0) 會產生更多均勻的混合。 **選用** 有效值：正浮點 預設值：1.0  | 
| max\$1restarts |  在演算法的交替最小二乘 (ALS) 譜分解階段期間，要重新開始的次數。可用來在耗費額外的運算之下，找出更高品質的局部最小值，但通常不應進行調整。 **選用** 有效值：正整數 預設值：10  | 
| max\$1iterations |  在演算法的 ALS 階段，所要進行迭代的最高次數。可用來在耗費額外的運算之下，找出更高品質的最小值，但通常不應進行調整。 **選用** 有效值：正整數 預設值：1000  | 
| tol |  演算法 ALS 階段的目標錯誤容差。可用來在耗費額外的運算之下，找出更高品質的最小值，但通常不應進行調整。 **選用** 有效值：正浮點 預設值：1e-8  |