为什么Sklearn LDA主题模型总是建议（选择）主题最少的主题模型？

Question

我正在对文本数据进行主题建模（大约4000条新闻文章）。为此，我正在使用Sklearn LDA模型。在执行此操作时，我使用GridSearchCV选择最佳模型。但是，在几乎所有情况下，GridSearchCV都会以主题最少的建议为最佳模型。

例如1：

# Define Search Param
search_params = {'n_components': [5, 7, 10, 12, 15, 18, 20], 'learning_decay': [.5, .7, .9]}

# Init the Model
lda = LatentDirichletAllocation()

# Init Grid Search Class
model = GridSearchCV(lda, param_grid=search_params)

# Do the Grid Search
model.fit(data_vectorized)

建议最佳模型：5

示例2：

# Define Search Param
search_params = {'n_components': [3, 5, 7, 10, 12, 15, 18], 'learning_decay': [.5, .7, .9]}

# Init the Model
lda = LatentDirichletAllocation()

# Init Grid Search Class
model = GridSearchCV(lda, param_grid=search_params)

# Do the Grid Search
model.fit(data_vectorized)

建议最佳模型：3

这是正常现象还是仅在我身上发生？

这可能是什么原因？

完整的代码很长，这就是为什么我不在这里提供它，但是如果需要的话，我可以提供它。

预先感谢。

Answer 1

我只是说，对于您的数据，三个主题比五个主题更好。您没有让模型有机会测试在第一组测试中三个主题是否合适。因此，您得到的答案是选择[5、7、10、12、15、18、20]，那么5是最好的。