Topic model and Gibbs Sampling

原创于 2014-11-19 10:58:14 发布 · 2k 阅读

0 ·

CC 4.0 BY-SA版权

机器学习同时被 2 个专栏收录

33 篇文章

订阅专栏

PRML

2 篇文章

订阅专栏

本文详细介绍LDA主题模型的核心概念和技术实现，包括参数估计方法（如最大似然估计、贝叶斯估计）、共轭分布（如Beta-Binomial、Dirichlet-Multinomial）、采样方法（如MCMC、Gibbs采样）等，并探讨了概率图模型的基础知识。此外还介绍了从LSI到LDA的主题模型发展过程及其应用案例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前段时间给部门做的LDA seminar的PPT：

http://pan.baidu.com/s/1bns6RKj

大致内容提要：
1.parameter estimation approachs
(ML MAP Bayes Estimation)
2.conjugate distribution
(Beta-Binomial conjugate,dirichlet-mulinomial conjugage)
3.sampling method
(basic sampling algorithms, MCMC, Gibbs sampling)
4.basic of probabilistic graphical models
5.topic model
（LSI\LSA model-text pLSA LDA Gibbs-sampling LDA-training-and-inference example-for-image Extensions-to-LDA）

以上内容可以参考PRML chapter1 chapter2 chapter8 chapter10 chapter11和LDA相关论文