今天终于开始啃LDA了,同时恶补一下概率分布方面的东西。
先放上来大神学习LDA的五个步骤:
1. 一个函数:gamma函数
2. 四个分布:二项分布、多项分布、beta分布、Dirichlet分布
3. 一个概念和一个理念:共轭先验和贝叶斯框架
4. 两个模型:pLSA、LDA
5. 一个采样:Gibbs采样
LDA(Latent Dirichlet Allocation)
- 全称是隐含狄利克雷分布
- 一种主题模型
- 将文档集中每篇文档的主题以概率的形式给出
- 可以用于主题聚类或分本分类
- 一种典型的词袋模型(一个文档有很多词,词是无序的)
- 一篇文档可以含有很多主题
文档的每个词都由一个主题生成
在LDA中,一篇文档是这样生成的:
四种概率分布
下面就分别介绍一下二项分布、多项式分布、β分布和狄利克雷分布。
二项分布到多项式分布
二项分布是伯努利分布的扩展版本,多项式分布则又是二项分布的扩展版本。伯努利分布是一个离散型的随机分布,做一次实验,实验的结果只有两个,而二项分布则将实验次数扩展到了多个,而多项式分布则将实验的结果也扩展到了