python - PyMC3 对创建潜在狄利克雷分配模型有用吗？

Question

过去几周我一直在尝试学习 PyMC，我的主要任务是使用它来构建 LDA 主题模型。我最初用 PyMC2.3 试过这个例子 https://stats.stackexchange.com/questions/104771/latent-dirichlet-allocation-in-pymc但是对于一个非常简单的模型，它运行了一整夜，甚至从未进入采样步骤。因此，我已切换到 PyMC3。

是否存在任何基本限制，因为随机变量是分类的？有没有人用 PyMC3 成功创建过 LDA 模型？我在 Unable to create lambda function in hierarchical pymc3 model 找到了部分实现但是如果没有容器我就无法让它工作，而且我认为原作者也无法做到。有谁知道我可以研究的任何资源以弄清楚如何构建它？

Answer 1

TL;DR 链接中给出的实现有效，可以在以下位置查看对就职演讲语料库进行测试的完整代码:https://github.com/napsternxg/ipython-notebooks/blob/master/PyMC_LDA.ipynb

我使用 PyMC2 实现了您提到的链接中指定的解决方案，并使其在就职演讲数据集上运行。我对您提到的链接中提供的解决方案的正确性没有信心，但实现有效并提供了一些主题分布。但是，解释该实现更适合更了解 LDA 的数学定义的人。