我正在尝试使用scikit-learn中的LatentDirichletAllocation()类，其中evaluate_every参数的描述如下。

评估困惑度的频率。仅在fit方法中使用。将其设置为0或负数以完全不评估训练中的困惑度。评估困惑度可以帮助您检查训练过程中的收敛情况，但也会增加总训练时间。每轮迭代评估困惑度可能会使训练时间增加一倍。

我将此参数设置为2（默认值为0），并观察到训练时间增加，但我在任何地方都找不到困惑度值。这些结果是被保存的，还是仅由模型用来决定何时停止？我希望使用困惑度值来衡量模型的进展和学习曲线。

回答：

它与perp_tol参数一起使用来评估收敛情况，并且根据源码，这些值不会在迭代之间保存：

for i in xrange(max_iter):    # ...    # 检查困惑度    if evaluate_every > 0 and (i + 1) % evaluate_every == 0:        doc_topics_distr, _ = self._e_step(X, cal_sstats=False,                                            random_init=False,                                            parallel=parallel)        bound = self.perplexity(X, doc_topics_distr,                                sub_sampling=False)        if self.verbose:            print('iteration: %d, perplexity: %.4f'                    % (i + 1, bound))        if last_bound and abs(last_bound - bound) < self.perp_tol:            break        last_bound = bound    self.n_iter_ += 1

请注意，您可以通过以下方式轻松调整现有源码来实现这一点：(1) 在__init__方法中添加self.saved_bounds = []这一行，(2) 在上述代码中添加self.bounds.append(bound)，如下所示：

if last_bound and abs(last_bound - bound) < self.perp_tol:    breaklast_bound = boundself.bounds.append(bound)

根据您保存更新后的类的位置，您还需要调整文件顶部的导入语句，以引用scikit-learn中的完整模块路径。