隐含狄利克雷分布(Latent Dirichlet Allocation）

隐含狄利克雷分布(Latent Dirichlet Allocation,   注意机器学习还有一个LDA，即线性判别分析(线性判别分析https://blog.csdn.net/qq_35290785/article/details/89851172)

 

LDA贝叶斯模型

　　　　LDA是基于贝叶斯模型的，涉及到贝叶斯模型离不开“先验分布”，“数据（似然）”和"后验分布"三块。在朴素贝叶斯算法原理小结中我们也已经讲到了这套贝叶斯理论。在贝叶斯学派这里：

先验分布 + 数据（似然）= 后验分布

　　　　这点其实很好理解，因为这符合我们人的思维方式，比如你对好人和坏人的认知，先验分布为：100个好人和100个的坏人，即你认为好人坏人各占一半，现在你被2个好人（数据）帮助了和1个坏人骗了，于是你得到了新的后验分布为：102个好人和101个的坏人。现在你的后验分布里面认为好人比坏人多了。这个后验分布接着又变成你的新的先验分布，当你被1个好人（数据）帮助了和3个坏人（数据）骗了后，你又更新了你的后验分布为：103个好人和104个的坏人。依次继续更新下去。

主题模型 - LDA Model

如果给主题分布加一个Dirichlet分布，再给主题上的词分布再加一个Dirichlet分布，那就是LDA.  因此实际上LDA就是PLSA的贝叶斯版本。我们直接来看模型图【4】：

LDA Model 概率图模型

 

用自己的话翻译一下上述过程就是：

• 

 

 

reference：

https://www.cnblogs.com/pinard/p/6831308.html，大佬写的很详细，我却看不懂

https://www.jianshu.com/p/74ec7d5f6821