LDA主题模型学习笔记3：变分推断(E-step)

最新推荐文章于 2021-11-04 19:42:24 发布

July_Zh1

最新推荐文章于 2021-11-04 19:42:24 发布

阅读量8.9k

点赞数 4

分类专栏： machine learning 文章标签：参数变量优化 lda

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/happyer88/article/details/46438111

版权

本文介绍了LDA主题模型中，如何利用变分推断进行E-step的优化过程。通过Jensen不等式，找到了log似然函数的下界，并通过拉格朗日乘数法求解变分参数，得到参数更新式。最终，通过迭代求得最优参数，实现主题模型的推断。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

上文《LDA主题模型学习笔记：求解隐变量和模型参数（EM思想）》中在E-step我们要用变分推断求解如下的优化问题：

(γ *, ϕ *) = a r g m i n (γ, ϕ) D (q (θ, z | γ, ϕ) | | p (θ, z | w, α, β))

$(\gamma^*,\phi^*)=argmin_{(\gamma,\phi)} D(q(\theta,\mathbf z|\gamma,\phi)||p(\theta,\mathbf z|\mathbf w,\alpha,\beta))$

而这个KL距离是如下形式，这个很难直接最小化。

D (q (θ, z | γ, ϕ) | | p (θ, z | w, α, β)) = \int \sum z q (θ, z | γ, ϕ) l o g q ( θ , z | γ , ϕ ) p ( θ

最低0.47元/天解锁文章

评论 10

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。