# gensim

## gensim LDA

<code py>
LdaModel(corpus=None,
         num_topics=100,
         id2word=None,
         distributed=False,
         chunksize=2000,  # 훈련 덩어리당 문서의 개수
         passes=1,        # 훈련 동안 말뭉치를 통과하는 횟수
         update_every=1,  # 업데이트당 반복해 읽는 문서의 개수
         alpha='symmetric',
         eta=None,        # 단어 확률에 대한 사전 신뢰도
         decay=0.5,       # 새로운 문서가 조사될 때 망각하는 람다의 퍼센티지
         offset=1.0,      # 처음 몇 번 반복 시행의 속도 감소를 통제한다.
         eval_every=10,   # 로그 퍼플렉시티의 추정 빈도수(비용이 든다) 
         iterations=50,   # 말뭉치를 읽는 반복시행의 최대수
         gamma_threshold=0.001     # 지속하기 위한 감마의 최소 변화
         minimum_probability=0.01  # 토픽을 필터하는 최소 확률
         random_state=None,
         ns_conf=None,
         minimum_phi_value=0.01,    # 단어 확률의 하한
         per_word_topics=False,     # 가장 큰 단어-토픽 확률을 계산
         callbacks=None,
         dtype=<class 'numpy.float32'>
)
</code>