上一篇文章讲解了LDA的通俗理解,基本没有用任何公式,还给了用gensim做邮件分类的案例,详情请戳:主题模型(LDA)(一)
这篇文章看一下公式式怎么推导出来的。
正经的LDA,主要有以下几个方面:
- 一个函数:gamma函数
- 四个分布:二项分布,多项分布,beta分布,狄利克雷分布
- 一个概念一个理念:共轭先验与贝叶斯框架
- pLSA,LDA
- 一个采样:Gibbs采样
我们来看一下它是怎么推导出来的。
共轭先验与共轭分布
假定似然函数 p(x|θ) 已知,问题是选取什么样的先验分布 p(θ) 和后验分布 p(θ|x) ,使得他们具有相同的数学形式(参数可以不一样)。如果先验分布和后验分布具有相同的数学形式,则称他们为共轭分布,且先验分布为似然函数的共轭先验分布。
举个例子就是
先验分布:p先=νa(1−ν)b
后验分布:p后=νm(1−ν)n
这就是具有相同的数学形式,但参数不一样的情况。
gamma函数
对于整数而言:
Γ(n)=(n−1)!
对于实数:
Γ(x)=∫∞0tx−1e−tdt
二项分布
二项分布是由n个独立的是、非重复实验中成功次数的离散概率分布其中每次成功的概率为p,相当于你去求婚,每次求婚都有两种结果,成功或失败,如果求婚一次,则称为伯努利分布,如果求婚n次的话(有点略倒霉呀!),则称为二项分布,记为:X ~ B(n,p),它的概率密度函数为:
p(X=k)=Cknpk(1−p)n−p=n!k!(n−k)!pk(1−p)n−p
分布如图
多项式分布(multinomial distribution)
多项式就是二项分布在高维情况下的推广,把求婚的例子改成抛骰子就OK了。
如果用骰子的例子,k=6, n