hlda周边—非参数贝叶斯模型
来源:互联网 发布:9本女王升级数据 编辑:程序博客网 时间:2024/04/29 14:43
转自hw学长论文
非参不是指不需要参数,而是指参数是不确定的,且是可以随着语料的规模,建模需求的改变而动态改变的。 对于非参方法亦可分为贝叶斯方法和非贝叶斯方法。比如 K 近邻方法是典型的非贝叶斯非参模型。这里我们主要讨论贝叶斯非参方法。其利用假设无限个数的参数先验来建模数据,贝叶斯方法则巧妙的使每个参数的取值都不是唯一的,从而使得建模数据的变化,参数能够动态的改变。
参考http://blog.csdn.net/workerwu/article/details/8131009 http://paley.mydiscussion.net/?p=331
贝叶斯非参数模型是一种定义在无限维参数空间上的贝叶斯模型。顾名思义,也就是非参数模型的大小可以随着模型内数据的增大或减小而自适应于模型的变化,有多少个数据,我可以根据数据选择参数,来决定模型的选择(这一定义的直观解释参考PRML figure 2.5)。
非参数模型也是需要假设参数的,跟以往参数模型不同之处在于这个非参数模型只需要一个很小的假设就能够学习并对数据聚类。
非参数的分析及模型选择,可以归结到贝叶斯推断问题中(INFERENCE).当前较为流行的贝叶斯非参数模型包括高斯回归过程,这个是结构的变化随着样本的变化而不断发生变化。还有一个用的较多的狄里克雷混合过程用于解决clustering,它将新来的数据不断的分到相应的clustering中去。
非参数模型下的聚类问题.由于概率模型和先验分布,可以得到个参数的后验分布。
非参数模型下的聚类问题.由于概率模型和先验分布,可以得到个参数的后验分布:中餐馆应用于聚类的2种不同阐述
先说一个概念,共轭先验(conjugate prior):在贝叶斯分布中,如果后验概率分布与先验概率属于同一函数族,就把先验分布叫做后验分布的共轭先验。
再说Dirichlet分布:Dirichlet分布是多项分布(multinomial distribution)的共轭先验,对应于betta分布是二项分布的共轭先验。
0 0
- hlda周边—非参数贝叶斯模型
- hlda周边—主题模型发展历史
- hlda周边—贝叶斯学派和频率学派
- 非参数贝叶斯模型概述
- 非参数贝叶斯隐式半马尔可夫模型
- 概率图模型周边
- 参数模型和非参数模型的区别
- 参数模型和非参数模型的区别
- 狄利克莱过程模型(一):非参数贝叶斯无限混合模型和Dirichlet过程
- hlda建模
- Functor——周边
- 【计算机视觉】<前景检测>非参数背景模型介绍<一>
- 【计算机视觉】<前景检测>非参数背景模型介绍<二>
- hlda文献学习笔记
- 整体认知主要依靠周边视觉而非中央视觉
- 四旋翼飞行器——非线性化模型
- Dirichlet Process-非参数贝叶斯(1)
- 应用于背景减除法的非参数模型(Non-parametric Model for Background Subtraction)
- 经典c程序(0010)---学生成绩输出
- python数据结构与算法 13 队列的抽象数据类型
- android 客户端开发
- IOS-UITableView相关小计
- POJ 1028 Web Navigator
- hlda周边—非参数贝叶斯模型
- 黑马程序员—代理与动态代理
- ThinkPHP的URL访问模式
- Android———利用JDBC连接服务器数据库
- Ruby的常量在嵌套类与子类中的引用 —— 差异点
- 普适计算-2014/03/07
- 网络131第3周实验——循环与判断语句
- 使用midas访问远程access数据库_delphi教程
- 写bootloader介绍