実践 機械学習システム

トピックモデル

69

4

章

トピックモデル

前章では、テキストデータに対してクラスタリングを行いました。そこで学んだ手法はとても役立つ

のですが、必ずしも最適な手法とは限りません。クラスタリングは、各テキストデータを一つのクラス

タに割り当てます。ところで、本書は「機械学習」と「Python」についての書籍です。本書を分類す

るとしたら、「Python」に関連するグループと「機械学習」に関連するグループのどちらに分類すべき

でしょうか。紙の本を扱う本屋であれば、どちらの本棚（「Python」か「機械学習」）に並べるか決め

る必要があります。しかし、本書は「機械学習」と「Python」の両方を扱っています。そのため、どち

らの本棚にも並べられるべきでしょう。また、当然のことですが、本書は「料理」を扱う本棚には並べ

るべきではありません。

本章で学ぶことは、クラスタリングを行う手法ではなく、データをトピック（topic）と呼ばれるいく

つ

かの小さなグループに割り当てる方法です。また、テキストデータの中心的な話題とその他のそれほ

ど重要でない話題を見分ける方法についても学びます（たとえば、本書ではグラフなどの「可視化」に

ついて多く述べますが、それは本書のトピックではありません。本書のトピックとして適しているのは

「機械学習」でしょう）。機械学習において、このような分野をトピックモデル（topic modeling）と呼

びます。

4.1

　潜在的ディリクレ配分法（

LDA

）

残念なことに、機械学習の分野では、LDAとい