- 博客(6)
- 收藏
- 关注
RSS订阅原创 LDA前言知识
在 2003 年（准确地说应该是 2002 年）D. M. Blei1 提出的 LDA（Latent Dirichlet Allocation2）模型（翻译成中文就是——潜在狄利克雷分配模型），让主题模型火了起来。 LDA根据给定的一篇文档，推测其主题分布。通俗来说，人类根据文档生成过程写成了各种各样的文章，现在人们想让计算机利用LDA干一件事：计算机分析推测网络上各篇文章，分别都写了些啥主
2017-12-31 22:02:53
307
1
原创 LDA基础知识系列 ---- (2)Dirichlet 分布
本节将从Beta分布出发，水到渠成的讲述Dirichlet 分布和Dirichlet-Multinomial共轭，对称Dirichlet 分布的相关内容。 理解LDA，可以分为下述5个步骤： 一个函数：gamma函数 四个分布：二项分布、多项分布、beta分布、Dirichlet分布 一个概念和一个理念：共轭先验和贝叶斯框架 两个模型：pLSA、LDA 一个采样：Gibb
2017-12-31 16:36:10
1490
原创 LDA基础知识系列 ----(1)共轭先验分布
理解LDA，可以分为下述5个步骤： 一个函数：gamma函数 四个分布：二项分布、多项分布、beta分布、Dirichlet分布 一个概念和一个理念：共轭先验和贝叶斯框架 两个模型：pLSA、LDA 一个采样：Gibbs采样 本节以简单明了的叙述方式，讲述先验概率、似然函数、后验概率、同分布，Beta-Binomial共轭等共轭先验分布内容，对必要的推导，讲述其注意事项，避免跳
2017-12-29 21:19:36
1582
原创 主成分分析的方差最大，解析主成份为什么可以（二）
PCA最大方差理论+几何意义转载请注明：云南省高校数据化运营管理工程研究中心博客http://write.blog.csdn.net/mdeditor#!postId=78932615主成份为什么可以 经过主成分在压缩数据之后的数据（主成分得分数据），多个变量变为更少的综合变量，变量个数减少了，还能反映原有数据的信息吗？为什么可以呢？解决以上疑问前我们需要了解PCA理论基础：
2017-12-29 16:09:35
11038
原创 基于隐语义模型的推荐系统
基于隐语义模型通过矩阵分解建立用户和隐类之间的关系，物品和隐类之间的关系，最终得到用户对物品的偏好关系。隐语义模型（LFM）假设我们想要发现 F 个隐类， 我们的任务就是找到两个矩阵 U 和 V。
2017-12-19 20:22:29
8509
1
原创 typora+pandoc：markdown文本转换成word(也可把word转换成markdown哦）
因为想把自己写的博客转换成word，博客是markdown格式，公式什么的又懒得在word里面敲第二遍。于是就找了个方法让.md文本与.doc文本转换。步骤如下1首先，下载typora，一路安装即可。网址为: http://www.softpedia.com/get/Internet/WEB-Design/HTML-Editors/Typora.shtml 下载pandoc，一路安装即可，网址为
2017-12-19 14:44:59
25705
12
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人