本文目录一览

1，狄里克雷分布为什么是多项式分布的共轭先验分布

就不多说了，那是另一个问题2.G_0的意义是把一个包含无限个分布的共轭先验变成包含离散的无限个分布的共轭先验。因为这样才能保证两次采样采到同一个点（这里点就是一个分布）。

狄里克雷分布为什么是多项式分布的共轭先验分布

2，人们是怎样记念狄利克雷的

您好，狄利克雷分布是一组连续多变量概率分布，是多变量普遍化的Β分布。为了纪念德国数学家约翰·彼得·古斯塔夫·勒热纳·狄利克雷(Peter Gustav Lejeune Dirichlet)而命名。
我会继续学习，争取下次回答你

人们是怎样记念狄利克雷的

3，LDA算法里面Dirichlet分布的两个参数alpha和beta怎

LDA算法里面Dirichlet分布的两个参数alpha和beta怎样确定 利用sqoop将数据从MySQL导入到HDFS中,利用mahout的LDA的cvb实现对输入数据进行聚类,并将结果更新到数据库中。数据流向图如下 mahout算法分析 输入数据格式 为的matrix矩阵,key为待聚类文LDA算法里面Dirichlet分布的两个参数alpha和beta怎

LDA算法里面Dirichlet分布的两个参数alpha和beta怎

4，在哪本教科书上面学过狄利克雷分布的概念

搜一下：在哪本教科书上面学过狄利克雷分布的概念？
狄利克雷分布是一个特殊函数,举一个例子来说吧.狄利克雷分布分布对离散性而言,Dirichlet(x=r)=1,Dirichlet(x不等于r)=0.也就是说Dirichlet函数是一个选择函数.说的具体一点,当i可以依次取从2,4,6,8………1000时,我们就可以求出其中第50个数是Sum(Dirichlet(i))=100,其中Sum是从2,4,6……到1000的求和.你的问题就是属于离散型的Dirichlet函数.对于连续性的Dirichlet函数,就是冲激函数.Dirichlet函数的在全域的积分等于1.

5，如何理解Beta分布和Dirichlet分布

Dirichlet分布其实也是采样出一个值（向量）,从这个意义上来说,它其实和其它分布并无太大不同?那为什么大家都说Dirichlet分布式分布的分布呢?因为Dirichlet分布出现的场景,总是用于生成别的分布（更确切地说,总是用于生成Multinomial分布）Dirichlet分布得到的向量各个分量的和是1,这个向量可以作为Multinomial分布的参数,所以我们说Dirichlet能够生成Multinomial分布,也就是分布的分布.Dirichlet分布和Multinomial分布式共轭的,Dirichlet作为先验,Multinomial作为似然,那么后验也是Dirichlet分布.所以Dirichlet和Multinomial这个组合总是经常被使用,Dirichlet分布在这里的角色就是分布的分布（Multinomial分布的分布）.

6，为什么说Dirichlet分布是分布的分布

正态分布需要注意的结论：1、两个正态分布独立或服从二维正态分布可以推出线性组合也是正态,不加前提条件是不能推出的.（此题的解释）2、相关系数为零推不出独立,除非是服从二维正态分布,但独立可以反推出相关系数为零,因为相关系数为0指随机变量没有线性关系而独立是指没有任何关系.当服从二维正态分布时,不相关性与独立性等价.
lda算法里面dirichlet分布的两个参数alpha和beta怎样确定利用sqoop将数据从mysql导入到hdfs中,利用mahout的lda的cvb实现对输入数据进行聚类,并将结果更新到数据库中。数据流向图如下mahout算法分析输入数据格式为的matrix矩阵,key为待聚类文本的数字编号，value为待聚类文本的单词向量vector, vector的index为单词在字典中的编号, value为tfidf值。 算法相关参数详解(不包含hadoop运行参数) 项目中所有参数设置均与mahout-0.9目录下的examples/bin/cluster-reuters.sh的147-172行设置一样，即 $scout cvb -i ${work_dir}/${rowid_matrix_dir}/matrix -o ${work_dir}/${lda_dir} -k 20 -ow -x 20 -dict ${work_dir}/${dictionary_files} -dt ${work_dir}/${lda_topics_dir} -mt ${work_dir}/${lda_model_dir} input -- 输入数据的hdfs路径,这里是/home/hadoop-user/scout_workspace/scout/dataset/reuters-out-matrix-debug/matrix dt -- 文档主题输出路径,保存了每个文档的相应topic的概率,这里是/home/hadoop-user/scout_workspace/scout/dataset/reuters-lda-topics mt -- model的路径,这里是/home/hadoop-user/scout_workspace/scout/dataset/reuters-lda-debug k -- number of topics to learn,这里设置成20 x -- 模型迭代次数,也就是需要多少次迭代来生成最后的model,默认值20 seed -- random seed,生成初始readmodel时的种子,默认值system.nanotime() % 10000 dict -- 字典路径,这里是/home/hadoop-user/scout_workspace/scout/dataset/reuters-out-seqdir-sparse-lda/dictionary.file-* a -- smoothing for document/topic distribution, document/topic分布的平滑系数,默认为1.0e-4 e -- smoothing for topic/term distribution, topic/term分布的平滑系数,默认为1.0e-4 关于a和e,根据描述,a和e的合适取值为k/50(k为topic数量),但是这个网页还保留着mahout ldatopics的命令介绍,而mahout 0.8,0.9均没有该命令,推测应该是比较陈旧的内容,因此还是根据cluster-reuters.sh中的设置来，也就是采取默认值。 mipd -- 这个参数非常重要，对于每个文档程序是先用randomseed来生成一个初始的readmodel然后进行mipd次迭代，算出最终的model进行更新，这里选默认值10次

文章TAG：狄利克雷  克雷  分布  里克  狄利克雷分布  
下一篇