即排除当前词的主题分配，根据其他词的主题分配和观察到的单词来计算当前词主题的概率公式 里面用到了伽马函数的性质 当Gibbs sampling 收敛后，我们需要根据最后文档集中所有单词的主题分配来计算和，作为我们估计出来的概率图模型中的隐含变量。每个文档上Topic的后验分布和每个Topic下的te ...
分类：
其他好文 时间：
2018-12-18 17:17:17
阅读次数：
240
把某个研究系统中涉及的随机变量，根据是否条件独立绘制在一个有向图中，就形成了贝叶斯网络。 贝叶斯网络(Bayesian Network)，又称有向无环图模型(directed acyclic graphical model ,DAG)，是一种概率图模型，根据概率图的拓扑结构，考察一组随机变量{X 1 ...
分类：
其他好文 时间：
2018-12-10 11:35:59
阅读次数：
230
概率图模型是一类用图来表达变量相关关系的概率模型。它以图为表示工具，最常见的是用一个结点表示一个或一组随机变量，结点之间的变表是变量间的概率相关关系。根据边的性质不同，可以将概率图模型分为两类：一类是使用有向无环图表示变量间的依赖关系，称为有向图模型或贝叶斯网；另一类是使用无向图表示变量间的相关关系 ...
分类：
编程语言 时间：
2018-12-01 17:10:43
阅读次数：
249
BTM的原理跟LDA很像，下面是该模型的概率图： 由该图可以看出来，与LDA的区别在于确定主题分布和词分布后相应地取两个词（而LDA只取一个，即类比常见的骰子说法：先投掷K面的骰子得到主题z，再根据相应的V面骰子，连续投掷两次，得到一对词汇），这俩词叫做biterm（就是在把一个文档分词之后，对这些 ...
分类：
其他好文 时间：
2018-10-20 22:05:51
阅读次数：
201
PLSA模型是基于频率派思想的，每篇文档的K个主题是固定的，每个主题的词语概率也是固定的，我们最终要求出固定的topic-word概率模型。贝叶斯学派显然不认同，他们认为，文档的主题未知，主题的词语分布未知，我们无法求解出精确值，只能计算doc-topic概率模型、topic-word概率模型的概率 ...
分类：
其他好文 时间：
2018-10-06 10:48:28
阅读次数：
252
引言 机器学习中的许多常见问题是彼此独立数据点的分类。例如，给定图像，预测它是包含猫还是狗，或者给出手写字符的图像，预测它是0到9中的哪个数字。然而，事实证明，许多问题不适合上述框架。例如，给定一个句子“我喜欢机器学习”，用它的词性（名词，代词，动词，形容词等）标记每个单词，这个任务无法通过独立处理 ...
分类：
其他好文 时间：
2018-10-05 18:50:08
阅读次数：
191
隐马尔可夫（HMM）模型 隐马尔可夫模型，是一种概率图模型，一种著名的有向图模型，一种判别式模型。主要用于时许数据建模，在语音识别、自然语言处理等领域广泛应用。 概率图模型分为两类，一类：使用有向无环图表示变量间的依赖关系，称为有向图模型或者贝叶斯网；第二类：使用无向图表示变量间的依赖关系，称为无向 ...
分类：
其他好文 时间：
2018-09-22 12:44:06
阅读次数：
174
概率图模型 概率图模型把基于图的表示作为在高维空间上紧凑编码复杂分布的基础. 下图中, 节点 (或椭圆) 与问题中的变量对应, 而边与它们之间的直接概率交互对应: 在线查询: http://pgm.stanford.edu/ 中译本: 概半图模型：原理与技术 / (美国) Kollcr D., (以 ...
分类：
其他好文 时间：
2018-09-11 22:30:25
阅读次数：
155
概率图模型是一类用图来表达变量相关关系的概率模型。它以图为表示工具，最常见的是用一个结点表示一个或一组随机变量，结点之间的变表是变量间的概率相关关系。根据边的性质不同，可以将概率图模型分为两类：一类是使用有向无环图表示变量间的依赖关系，称为有向图模型或贝叶斯网；另一类是使用无向图表示变量间的相关关系 ...
分类：
编程语言 时间：
2018-07-08 19:07:47
阅读次数：
274
Introduction to RBM 总结 标签（空格分隔）： pgm Abstract： Restricted Boltzmann Machines(RMBs): RBM是一种概率图模型，也可以看作是随机神经网络的一种。 它可以作为Deep Belief Network的一个构成成分。 文章脉络 ...
分类：
其他好文 时间：
2018-05-26 20:26:59
阅读次数：
232
