dirichlet process 中CRP的马太效应

最新推荐文章于 2015-05-20 22:55:52 发布
最新推荐文章于 2015-05-20 22:55:52 发布
阅读量1k 收藏
点赞数
分类专栏： stats LDA Topic Model
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/xyqzki/article/details/10941905
版权
Topic Model 同时被 3 个专栏收录
26 篇文章 1 订阅
订阅专栏
LDA
18 篇文章 0 订阅
订阅专栏
stats
13 篇文章 0 订阅
订阅专栏
RT。 CRP中 第n+1个顾客选择第几个桌子的问题，是服从 先把某个table坐满，即人越多的桌子，越容易坐满，人越少的桌子越难坐满。这就是马太效应(Matthew Effect)----两极分化, 就如同创业投资一样，有钱的人越来越容易赚钱，没钱的越来越穷。 
xyqzki
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
狄利克雷过程理解
枝寒不栖
07-21 819
狄利克雷过程（dirichlet process ）是目前变参数学习（non parameter）非常流行的一个理论，很多的工作都是基于这个理论来进行的，如HDP（hierarchical dirichlet process）。 下面我们谈谈dirichlet process的五种角度来理解它。 第一种：原始定义：假设存在在度量空间\Theta上的分布H和一个参数\alpha，如果对于度量空间
狄利克雷过程（dirichlet process ）和分布
chinaliping的专栏
07-03 5065
狄利克雷过程（dirichlet process ）是目前变参数学习（non parameter）非常流行的一个理论，很多的工作都是基于这个理论来进行的，如HDP（hierarchical dirichlet process）。 下面我们谈谈dirichlet process的五种角度来理解它。 第一种：原始定义：假设存在在度量空间Θ上的分布H和一个参数α，如果
Dirichlet Process & Dirichlet Distribution
xyqzki的专栏
09-02 3187
狄利克雷过程（dirichlet process ）是目前变参数学习（non parameter）非常流行的一个理论，很多的工作都是基于这个理论来进行的，如HDP（hierarchical dirichlet process）。 下面我们谈谈dirichlet process的五种角度来理解它。 第一种：原始定义：假设存在在度量空间Θ上的分布H和一个参数α，如果
狄利克雷过程（dirichlet process ）的五种理解
热门推荐
Xianling Mao的专栏
03-11 8万+
狄利克雷过程（dirichlet process ）是目前变参数学习（non parameter）非常流行的一个理论，很多的工作都是基于这个理论来进行的，如HDP（hierarchical dirichlet process）。 下面我们谈谈dirichlet process的五种角度来理解它。 第一种：原始定义：假设存在在度量空间\Theta上的分布H和一个参数\alpha，如果对于度量空间
转：狄利克雷过程（dirichlet process ）的五种理解
weixin_30612769的博客
11-14 121
狄利克雷过程（dirichlet process ）的五种理解 原文：http://blog.csdn.net/xianlingmao/article/details/7342837 无参数贝叶斯方法：Nonparametric Bayesian methods (Dirichlet processes) 狄利克雷过程（dirichlet process...
狄利克雷过程的五种理解
BananaTree
10-24 3448
狄利克雷过程（dirichlet process ）是目前变参数学习（non parameter）非常流行的一个理论，很多的工作都是基于这个理论来进行的，如HDP（hierarchical dirichlet process）。 下面我们谈谈dirichlet process的五种角度来理解它。 第一种：原始定义：假设存在在度量空间\Theta上的分布H和一个参数\alpha，如果对于
狄利克雷过程
BananaTree
04-07 1155
狄利克雷过程（dirichlet process ）是目前变参数学习（non parameter）非常流行的一个理论，很多的工作都是基于这个理论来进行的，如HDP（hierarchical dirichlet process）。 下面我们谈谈dirichlet process的五种角度来理解它。 第一种：原始定义：假设存在在度量空间\Theta上的分布H和一个参数\alpha，如果对于
dirichlet process K-means_Kmeans_dirichlet process
最新发布
09-23
标题中的“Dirichlet Process K-means”和“Kmeans_dirichlet process”指的是将狄利克雷过程（Dirichlet Process）与经典的K-means聚类算法相结合的一种拓展方法。这种结合允许我们在不知道确切类别数量的情况下...
DP.rar_Dirichlet_dirichlet process
09-14
**Dirichlet过程（Dirichlet Process）**是一种在概率论和统计学中广泛使用的无穷分布，特别是在非参数贝叶斯方法中。它允许我们处理无穷维的概率分布，而无需指定具体的维数。Dirichlet过程是混合模型的基础，常...
Dirichlet Process
08-24
Chinese Restaurants and Stick-Breaking: An Introduction to the Dirichlet Process. Motivation Mixture Models Dirichlet Process Gibbs Sampling Applications
dirichletprocess:Di Dirichlet流程工具
05-16
In [1]: from dp import DirichletProcess In [2]: from random import normalvariate In [3]: from collections import Counter In [4]: dp = DirichletProcess(lambda: normalvariate(0, 1), alpha=1) In [7]: ...
Hierarchical Dirichlet Process简介
04-17
Hierarchical Dirichlet Process简单介绍
latent variable理解
xyqzki的专栏
10-02 4813
1. typically, latent variable 存在于mixture model中 2. 分为discrete latent variable 和 continuous latent variable 3. 相当于indicator，为了便于计算而引入，每个observation data corresponds to a latent variable 4. p(x) = si
SVM Classification python example using sklearn 分类例子
xyqzki的专栏
02-07 3325
1. No cross validation ref:  http://stackoverflow.com/questions/16927964/how-to-calculate-precision-recall-and-f-score-with-libsvm-in-python from sklearn import svm from sklearn import metrics fr
统计中parameter estimation 的方法总结。Topic Model需要注意的
xyqzki的专栏
05-20 2469
个人总结：统计中参数估计有四种方法点估计MLEMAP 加入参数的prior 信息，可以避免overfitting，还可以加入extra knowledge。称为Occam’razor Bayesian Inference这种方法不像MLE,MAP将参数看成未知的常量，而是看成随机变量，求出其后验分布的具体形式p(θ|X)p(\theta|X)，然后用E(θ|X)E(\theta|X)作为估计值。通常
ubuntu如何使用david blei 的hLDA code
xyqzki的专栏
12-27 2062
因为blei的code是在mac写的，在ubuntu上，我们需要对Makefile 进行如下修改， 1. CFLAGS_MAC中的-fast 删除 2. MAC_LDFLAGS = -lgsl -lgslcblas 后面加上 -lm
LDA中的variational EM 跟EM
xyqzki的专栏
05-20 1727
variational EM: http://net.pku.edu.cn/~zhaoxin/vEMLDA.pdfEM: http://www.cnblogs.com/biyeymyhjob/archive/2012/07/21/2603020.html估计方法都是用的MLE, variational EM 估计α\alpha和β\beta(对应EM中的zz)，e而实际上也要求的是θ\theta
generative model 与 discriminative model 进一步理解
xyqzki的专栏
10-10 1414
g model 就是 意淫p(x,y)的产生过程，这个过程可以任意复杂，只要能够inference出来。 d model 就是 有些observation如果用 generative model来意淫出来的话，会导致model过于复杂，inference是个问题，所以我们可以alleviate这些observation，将其视作已经生成好了的，看做已知的东西，即graphical model 中

“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

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
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