本文是对论文'Understanding users’ budgets for recommendation with hierarchical Poisson factorization'的解读，涵盖了伽马分布、泊松分布、平均场理论、Kullback-Leibler divergence（KL散度）、共轭分布和变分推断等概念。伽马分布和泊松分布用于事件概率建模，平均场简化高维问题，KL散度衡量概率分布差异，共轭分布与贝叶斯定理结合，变分推断则通过寻找近似分布解决复杂推断问题。
今天看了一篇论文：
Understanding users’ budgets for recommendation with hierarchical Poisson factorization
原文链接https://dl.acm.org/citation.cfm?id=3172135
但是对于很多概念都不理解，导致看得很艰难，在此对文中的一些概念进行总结，方便以后查阅。
- Gamma分布
- 泊松分布
- 平均场（mean-field）
- Kullback–Leibler divergence(相对熵，KL距离，KL散度)
- 共轭分布
- 变分推断（variational inference）
伽马（Gamma）分布
首先，Gamma function的表达式为
τ(α)=∫∞0tα−1e−tdt τ ( α ) = ∫ 0 ∞ t α − 1 e − t d t
，令
t=βx t = β x
,则
τ(α,β)=∫∞0βαxα−1e−βxdx τ ( α , β ) = ∫ 0 ∞ β α x α − 1 e − β x d x
所以，有
∫∞0βαx
最低0.47元/天 解锁文章
2303
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
