LDA 与PLSA

lda先验为0的时候就是plsa,lda只不过是plsa加了

dirichlet 先验，一个是MLE,一个是

bayesian。数据量很多时，bayesian 趋向于mle。 而PLSA

并行比LDA简单许多。

其实这个问题跟这个很像， 为什么很多企业还在用linear regression既然像bayesian linear regression, non-linear的方法都是更高级的模型？ 复杂的模型多得是，想让它多复杂就可以把它变成有多复杂。 但企业里数据多， 拥有大量数据胜过复杂模型，而且简单模型说明实现方便，高效率，好维护，好扩展，省钱。 Business的目的是赚钱，得要衡量复杂的模型带来的利润和所要付出的代价。

模型越简单越可控，越不容易过拟合。

LDA 其实也可以并行，也有开源的包跑那个。。。 只是大家最开始用了PLSA然后为了不要降低逼格要找点理由自圆其说啦～

很多答案提到从并行的角度看PLSA更优。

另一个点是，LDA作为bayesian model加了先验，在小数据量上就能取得不错的效果。但以百度业务数据的体量，需不需要加先验是一个值得思考的问题。毕竟有了大数定律发光发热，属于频率学派的plsa就模型本身也是有优势的。

这也算LDA在很多实际工业场景常常没有outperform掉PLSA的原因之一吧。模型work不work更多要看与使用场景的契合度，而不是看模型本身多复杂。