LDA-EM

指数分布族(exponential family)

u(x)叫做充分统计量：对于要估计的参数 来说, 的似然函数仅仅依赖于u(x)

要估计的参数

熵用来代表“随机变量不确定性的程度”,也就是信息无序的程度,变量的不确定性越大,熵也就越大,搞清楚它所需要的信息量也就越大。

当我们需要对一个随机事件的概率分布进行预测时,我们的预测应当满足全部已知的条件,而对未知的情况不要做任何主观假设。--数学之美

LDA变分贝叶斯

Basic LDA模

Basic LDA各个变量的解释

分析模型

解决这个模型的关键之处在于求解给定一篇文档时的隐变量(latent variable)的后验分布(posterior distribution):

这个公式是LDA变分推导的症结所在,我们这里的做法是先分析每一篇独立的文档,整个语料集的概率就是将一个个独立的概率乘起
来,这也就意味着文档之间的概率相互独立。

对三个部分进行拆解：

为了加深理解，图 7-2进一步做了解释