LDA学习笔记-Part 2

已于 2023-10-09 09:33:42 修改
阅读量51 收藏
点赞数
文章标签： 学习 笔记
于 2023-09-24 23:50:23 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wangxiaojie6688/article/details/133250688
版权
本文详细介绍了使用Gibbs采样训练潜在狄利克雷分配模型的过程，探讨了LDA模型的训练步骤，包括数据预处理、词袋模型构建、初始化模型参数、迭代训练等。此外，还分享了对LDA模型学习后的一些思考，讨论了如何借助深度学习和图结构实现类似功能。
摘要由CSDN通过智能技术生成

GitHub - luisguiserrano/manning: Repository for the book Grokking Machine Learning, by Manning Editors

视频对应连接：LDA主题模型 Part2 吉布斯采样_哔哩哔哩_bilibili

这部分介绍如何使用吉布斯采样训练潜在的狄利克雷分配模型

在盖丘亚语中不知道阁下又如何应对？ 这里的主题数量3为超参数

如何在不给定单词词义的时候为其分配主题？ 我们仅知道单词的词频。

我们不仅需要给每个文章分配一个主题，我们同样需要给每个单词分配主题（这里类似语言模型的单词预测?）

现在我们按照颜色给每个单词分配一个主题，这里通过观察发现与词频相关，作者随后将会介绍

 

最低0.47元/天 解锁文章
QianMo-WXJ
关注
sklearn自学指南(part19)--LDA和QDA
小山羊的学习日志
01-13 1027
学习笔记，仅供参考，有错必究 文章目录线性判别和二次判别分析使用线性判别分析降维LDA和QDA分类器的数学公式QDALDALDA降维的数学公式 线性判别和二次判别分析 线性判别分析（LinearDiscriminantAnalysis）和二次判别分（QuadraticDiscriminantAnalysis）是两个经典分类器，顾名思义，它们分别是线性决策面和二次决策面。 这些分类器之所以具有吸引力，是因为它们具有易于计算的封闭式解决方案，本质上是多类的，已被证明在实践中可以很好地工作并且没有任何超参数
sklearn自学指南(part52)--潜在狄利克雷分配(LDA)
小山羊的学习日志
02-03 365
学习笔记，仅供参考，有错必纠 文章目录分解信号的分量(矩阵分解问题)潜在狄利克雷分配(LDA) 分解信号的分量(矩阵分解问题) 潜在狄利克雷分配(LDA) 潜在狄利克雷分配(Latent Dirichlet Allocation)是一种用于文本语料库等离散数据集的生成概率模型。它也是一个主题模型，用于从文档集合中发现抽象主题。 LDA的图形模型是一个三级生成模型: 请注意上图图形模型中所示的符号，Hoffman等人(2013)给出了这些符号的解释: 语料库是DDD个文档的集合； 一个文档是由NNN
LDA学习笔记-Part 1
QianMo的博客
09-24 55
这里有一个三角形，每个角对应一个主题，然后将所有文档以一种方式扔进三角形里。文档接近他们所属主题的角。问题是如何以最完美的方法将文章放入三角形中，这里简单的介绍一下思想，作者举了一个例子将LDA视作一台机器，其可以生成文档，然后有多台机器可以生成文档，通过一个判别机制来判别哪台机器生成的文档更接近于待提取主题词的文档，随后提取这台机器的设置（包含单词主题词信息，因需由此生成文章）Tips:这里怎么有生成对抗网络的味道了？生成对抗网络是不是也能做这个主题词提取？
人工智能学习笔记--专业词汇
zack_GZ的博客
12-15 1089
词汇内容引自 博客教主 的博文 -AI人工智能词汇集- 这里收藏博文中的词汇中英对照以供日后学习查询Letter A Accumulated error backpropagation 累积误差逆传播 Activation Function 激活函数 Adaptive Resonance Theory/ART 自适应谐振理论 Addictive model 加性学习 Advers
[深度学习]Part2 机器学习概述Ch01——【DeepBlue学习笔记】
LiongLoure的博客
06-12 187
深度学习——机器学习基础
LDA主题模型（B站学习）
hxhabcd123的博客
03-29 288
本文记录在B站学习LDA主题模型时看的两个视频的笔记（讲的通俗易懂，很推荐）
推荐系统学习笔记Part 2：协同过滤Collaborative Filtering
不想做数分的码农不是好运营
10-22 550
统之协同过滤Collaborative Filtering1. 基本思想与算法核心2. 算法种类3. 相似度的相关计算方法3.1 杰卡德(Jaccard)相似系数3.2 欧式距离3.3 余弦距离（余弦相似度）3.4 皮尔逊相似度 1. 基本思想与算法核心 协同过滤推荐算法是诞生最早，并且较为著名的推荐算法。 算法主要功能是：预测和推荐。预测过程是预测用户对没有购买过的物品的可能打分值，推荐是根据预测阶段的结果推荐用户最可能喜欢的一个或Top-N个物品。 基本思想：是根据用户之前的喜好以及其他兴趣相近的用户的
PRML读书笔记－我对机器学习的认识
Richard_More的博客
10-08 6321
最近有时间把Christopher M Bishop的《Pattern Recognition and Machine Learning》（PRML）温习了一遍，这本书可以说是机器学习的经典学习之作。以前在上机器学习这么课的时候，很多细节还没联系到，结果在读论文中就显得捉襟见肘。本文打算理清楚这本书的脉络，也顺便为学习机器学习的人打下一个学习路线图。 1. 排除两块内容 现排除第五章的
DataWhale集成学习笔记（四）
快乐星球小怪兽的博客
03-27 368
构建分类模型1 收集数据并选择合适的特征2 选择模型性能的度量指标3 选择具体的模型3.1 逻辑回归模型3.1.1 逻辑回归原理3.1.2 逻辑回归应用3.1.3 代码演示3.2 基于概率的分类模型3.2.1 线性判别分析(LDA)3.2.2 朴素贝叶斯3.3 决策树3.4 支持向量机 1 收集数据并选择合适的特征 本次使用我们比较熟悉的鸢尾花数据集。 鸢尾花数据集一共包含5个变量，其中4个特征变量，1个目标分类变量。共有150个样本，目标变量为 花的类别 其都属于鸢尾属下的三个亚属，分别是山鸢尾 (Iri
机器学习-算法背后的理论与优化(part4)--结构风险最小(上)
小山羊的学习日志
11-05 248
学习笔记，仅供参考，有错必纠 文章目录结构风险最小(上)经验风险最小和过拟合结构风险最小和正则化 结构风险最小(上) 经验风险没有考虑模型学习能力和数据的匹配度。在讨论泛化误差时，若模型学习能力过强，则很容易造成过拟合。除了换一种学习能力弱的学习模型，另一种方法是添加正则化。在经验风险最小的同时，兼顾平衡模型的学习能力与数据的匹配，避免出现过拟合的新目标，就是结构风险最小。 经验风险最小和过拟合 大家知道，经验风险就是对训练误差的一个估算，但是训练的学习模型最后要用来做预测，所以更加关注测试误差。一般把
文献学习(part38)--Adaptive hash retrieval with kernel based similarity
小山羊的学习日志
03-09 179
学习笔记，仅供参考，有错必纠 关键词:哈希；k-NN；内核；二进制索引；归一化欧氏距离 文章目录Adaptive hash retrieval with kernel based similarity摘要简介Contributions and overviewRelated work基于内核的哈希方案查询自适应距离归一化核相似度Kernel reconstructive hashingKRH with supervised information Adaptive hash retrieval with
10.2学习
2401_87363162的博客
10-02 1183
​ Spring AOP就是基于动态代理的，如果要代理的对象，实现了某个接⼝，那么Spring AOP会使⽤JDKProxy，去创建代理对象，⽽对于没有实现接⼝的对象，就⽆法使⽤ JDK Proxy 去进⾏代理了，这时候Spring AOP会使⽤基于asm框架字节流的Cglib动态代理 ，这时候Spring AOP会使⽤ Cglib ⽣成⼀个被代理对象的⼦类来作为代理。每个线程中都有一个自己的ThreadLocalMap类对象，可以将线程自己的对象保持到其中，各管各的，线程可以正确的访问到自己的对象。
jmeter学习（7）beanshell
最新发布
daxiashangxian的博客
10-06 412
打开日志选项，beanshell的log可以在日志中查看log.info("deviceId"）举例：获取返回数据中的字段。
关于懒惰学习与渴求学习的一份介绍
2301_79096986的博客
10-04 1214
在这篇文章中，我将介绍些懒惰学习与渴求学习的算法例子，会介绍其概念、优缺点以及其python的运用。
Go基础学习10-原子并发包sync.atomic的使用：CSA、Swap、atomic.Value......
FLJS_T的博客
10-02 1152
原子操作sync.atomic以及原子变量atomic.Value详细介绍。go中原生的支持原子操作的函数支持的变量类型int32、int64、uint32、uint64、uintptr，以及unsafe包中的Pointer。对于上述原子操作类型中的每一个，可以支持的数据类型有：==int32、int64、uint32、uint64、uintptr，以及unsafe包中的Pointer。但是否sync.Mutex变量能够保证操作的原子性。atomic.Value类型是开箱即用的，我们声明一个该类型的变量
Spring（学习笔记）
m0_74728220的博客
10-02 1138
context:annotation-config/>是 Spring 配置文件中的一个标签，用于开启注解配置功能。这个标签可以让 Spring 容器识别并处理使用注解定义的 bean。例如，可以使用 @Autowired 注解自动装配 bean，或者使用 @Component 注解将类标记为 bean 等。为什么加载上下文的时候，被包含的Bean它的构造函数的代码会执行呀？好像是很多代码都执行了！！！没有无参构造，有有参构造会报错！也就是说必须要有无参构造！这是为什么呀！
项目-坦克大战学习笔记-控制玩家坦克不超出地图范围
2401_84659046的博客
10-02 617
由于坦克自身有占用像素格，而坦克生成位置是以左上角x,y的点开始生成，所有坦克向下和向右的实际碰撞位置应该是坦克生成位置加上坦自身宽或高，而坦克有四个方向就有4种对象碰撞可能，所以我们在物体对象的父类中声明存储物体宽和高的int类型。if (Fangxiang == fangxiang.Up)//检测坦克目前朝向。//设置父类继承过来的图片对象高。//设置父类继承过来的图片对象宽。}//放置图片对象的高。}//重写方向构造函数，调用传入的方向信息设置图片的宽高信息。
aws(学习笔记第二课) AWS SDK（node js）
sealaugh32的专栏
10-06 929
注意，可以在create server的同时，执行。index.js以及各个lib/*.js。一定要和前面设定的密钥对名字一致。程序入口，定义了以下的功能。，因为可能有些原因，导致。这是前提条件，这里采用。的方式练习，首先安装。
2D-LDA人脸识别技术在MATLAB中的实现
本资源集中讨论了一种基于2维线性判别分析（2D-LDA）的人脸识别方法，并提供了在Matlab环境下实现该技术的编码示例。 ### 关键知识点解析： #### 1. 线性判别分析（LDA） 线性判别分析（Linear Discriminant ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

QianMo-WXJ

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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