为什么sklearn LatentDirichletAllocation的fit和partial_fit返回不同的结果？

代码不完全相同；partial_fit用途total_samples：

“ total_samples：int，可选（默认值= 1e6）文档总数。仅在partial_fit方法中使用。”

https://github.com/scikit-learn/scikit-learn/blob/c957249/sklearn/decomposition/online_lda.py#L184

（部分适合）https://github.com/scikit-learn/scikit-learn/blob/c957249/sklearn/decomposition/online_lda.py#L472

（适合）https://github.com/scikit-learn/scikit-learn/blob/c957249/sklearn/decomposition/online_lda.py#L510

万一您感兴趣，以防万一：partial_fit当您的数据集非常大时，最好使用它。因此，您不必进行较小的批量拟合，而不会遇到可能的内存问题，这称为增量学习。

因此，在您的情况下，您应考虑total_samples默认值是1000000.0。因此，如果您不更改此数字，并且实际样本数更大，那么您将从fit方法和中得到不同的结果fit_partial。或者，可能是您在中使用了微型批次，fit_partial而没有覆盖您提供给该fit方法的所有样品。即使您正确执行此操作，也可能会得到不同的结果，如文档中所述：

• “增量学习器本身可能无法应付新的/看不见的目标类。在这种情况下，您必须使用classes =参数将所有可能的类传递给第一个partial_fit调用。”
• “ [...]选择合适的算法是，随着时间的推移，它们对每个示例的重视程度都不相同。

sklearn文档：https ://scikit-learn.org/0.15/modules/scaling_strategies.html#incremental-learning