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

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值