lda主题模型

多层感知器python代码（简单的多层感知器）

importnumpyasnpimportmatplotlib.pyplotaspltdefsigmod(z):return1.0/(1.0+np.exp(-z))classmlp(object):def__init__(self,lr=0.1,lda
陆子野·2015-09-09 11:29

IT女神说自然语言处理(1)----LDA

主题词提取算法LDA--LatentDirichletAllocation在自然语言处理中，文本的主题词提取一直都是重要的技术之一。
jackchan·2015-08-28 16:00

IT女神说自然语言处理(1)----LDA

主题词提取算法LDA--LatentDirichletAllocation 在自然语言处理中，文本的主题词提取一直都是重要的技术之一。
jackchan·2015-08-28 16:00

文本语言模型的参数估计方法--最大似然估计、MAP、贝叶斯估计

转自：http://blog.csdn.net/woshizhouxiang/article/details/17556241重点在掌握模型参数估计的方法，实现模型的优化 以PLSA和LDA为代表的文本语言模型是当今统计自然语言处理研究的热点问题
lynnucas·2015-08-24 10:00

LDA主题模型的训练算法和预测算法

LDA训练算法：(1)随机初始化α和β（一般α取值为50/主题数，β取值为0.1）；(2)以下步骤迭代直到收敛：   (2.1)对训练集中的每篇文档：       (2.1.1)利用当前的α和β值计算每篇文档的主题分布
mm_bit·2015-08-21 17:00

今15年创业，享受改变的过程

自去年11月写完LDA主题模型后，至今竟悄无声息的已过去大半年。其中，最主要的原因就是：今年年初正式开始了创业。     
v_JULY_v·2015-08-20 16:00

LDA主题模型的java代码实现

publicclassLdaGibbsSampling{ publicstaticclassmodelparameters{ floatalpha=0.5f;//usualvalueis50/K floatbeta=0.1f;//usualvalueis0.1 inttopicNum=100; intiteration=100; intsaveStep=10; intbeginSaveIters=
mm_bit·2015-08-20 10:00

LDA主题模型介绍

LDA（LatentDirichletAllocation）是一种文档主题生成模型，也称为一个三层贝叶斯概率模型，包含词、主题和文档三层结构。
mm_bit·2015-08-20 09:00

2013-6 阿里技术沙龙：标签生成与推荐系统

阿里的分享：标签、推荐、导购0.27%的关键字占50%PV，以标签作为中间环节标签为四种：品牌，品类，描述，属性标签数据库：标题、结构化数据、详情产品词挖掘：CRF模型商品结构化属性：半开放式结构描述词整理：LDA
dipolar·2015-08-15 17:00

Spark MLlib LDA 源码解析

LDA源码解析前的基础知识：1）LDA主题模型的理论知识参照：LDA数学八卦2）SparkGraphX基础知识http://blog
sunbow0·2015-08-14 15:00

LDA 线性判别分析

LDA线性判别分析http://www.cnblogs.com/liuwu265/p/4724758.htmlLDA,LinearDiscriminantAnalysis，线性判别分析。
zdy0_2004·2015-08-12 22:04

Spark MLlib使用有感

www.cnblogs.com/cstzhou/p/4724897.html这些天在公司里面做文本分析的任务，我跟着玻哥一起做，先研究了算法的可行度，最后决定使用Google的Word2Vector和LDA
defang0693·2015-08-12 17:00

LDA 线性判别分析

LDA,LinearDiscriminantAnalysis，线性判别分析。注意与LDA（LatentDirichletAllocation，主题生成模型）的区别。
liuwu265·2015-08-12 16:00

LDA中的三个散度矩阵

LDA中的三个散度矩阵在学习LDA（LinearDiscriminateAnalysis）的时候接触到了散度矩阵的概念，并且很多文章提到到混合散度矩阵等于类间散度矩阵与类内散度矩阵之和。
Oxalis_Triangularis·2015-08-11 15:06

scikit-learn（不常用，仅了解知识点）：2.2. Manifold learning（流形学习）

2、因为随机映射会随机损失数据内部信息；因为类似于PCA、LDA等降维方法基于线性假设，经常会损失数据内部非线性的结构信息；流形学习是线性降维方法的generali
mmc2015·2015-08-11 08:00

Spark MLlib LDA主题模型

SparkMLlibLDA主题模型（1）SparkMLlibLDA主题模型是Spark1.3开始加入的，具体介绍看以下文档：官方编程指南：http://spark.apache.org/docs/latest
sunbow0·2015-08-07 11:00

学习BLAS库 -- DTRSM

函数语法:XTRSM(SIDE,UPLD,TRANSA,DIAG,M,N,ALPHA,A,LDA,B,LDB)功能：Solvesoneofthematrixequationsop(A)*X=alpha*
cocoonyang·2015-08-07 00:06

LDA线性判别分析Python程序

理论讲解需要导入的包#-*-coding:utf-8-*- importnumpyasnp importcsv frommatplotlibimportpyplotasplt importmath导入数据集defread_iris(): fromsklearn.datasetsimportload_iris fromsklearnimportpreprocessing data_set=load_
qunxingvip·2015-08-04 21:00

线性判别分析（Linear Discriminant Analysis）

LDA是将高维数据投影到低维数据，同时保证不同类尽量的分得开，即：类内距离尽量的近，类间距离尽量的远。
qunxingvip·2015-08-01 21:00

马尔可夫链及吉布斯抽样 入门详解(Markov Chain Monte Carlo and Gibbs Sampling)

最近总结了下自己的笔记，发现原来自己还有这个东西，所以再次回顾了下，并简单做以下梳理，文章来自LDA-math-MCMC和GibbsSampling总结：MCMC能解决什么问题？怎样解决这样的问题？
coder_oyang·2015-07-28 15:00

多维标度法

MultiDimensionalScaling，MDS），与主成分分析(PrincipleComponentAnalysis，PCA)、线性判别分析(LinearDiscriminentAnalysis，LDA
u012176591·2015-07-07 22:00

机器学习 之 LDA主题模型

今天终于开始啃LDA了，同时恶补一下概率分布方面的东西。
claire_bear7·2015-07-06 23:13

LDA主题模型学习笔记5：C源码理解

1，说明本文对LDA原始论文的作者所提供的C代码中LDA的主要逻辑部分做注释，原代码可在这里下载到：https://github.com/Blei-Lab/lda-c这份代码实现论文《LatentDirichletAllocation
July_Zh1·2015-07-02 14:07

LDA主题模型学习笔记5：C源码理解

1，说明本文对LDA原始论文的作者所提供的C代码中LDA的主要逻辑部分做注释，原代码可在这里下载到：https://github.com/Blei-Lab/lda-c这份代码实现论文《LatentDirichletAllocation
happyer88·2015-07-02 14:00

LDA主题模型学习笔记4：求解模型参数(M-step)

这一步，我们根据E-step得到的γ,ϕ，最大化L(γ,ϕ;α,β)，得到α,β.1，拉格朗日乘数法求解β     首先把L(γ,ϕ;α,β)简化，只保留与β有关的部分。因为β是每一行存一个主题的词分布，所以每一行的和是1，存在等式约束∑Vj=1βij=1，所以是带等式约束的最大化问题，使用拉格朗日乘数法，可得到拉格朗日函数如下：用拉格朗日函数对β求偏导，令偏导为0，可得：     这里的ϕdni
happyer88·2015-07-02 11:00

LDA 线性判别分析

本文转自：http://blog.csdn.net/bookwormno1/article/details/6791373LDA算法入门 一． 
Sunshine_in_Moon·2015-06-28 16:00

主成分分析（PCA）-最大方差解释

我阅读了PCA、SVD和LDA。这几个模型相近，却都有自己的特点。本篇打算先介绍PCA，至于他们之间的关系，只能是边学边体会了。PCA以前也叫做Principalfactoranalysis。
huang1024rui·2015-06-27 16:00

利用gensim主题模型寻找相似的coursera课程

参考http://www.52nlp.cn/如何计算两个文档的相似度三#encoding=utf-8 fromnltk.tokenizeimportword_tokenize fromnltk.corpusimportstopwords fromnltk.stem.lancasterimportLancasterStemmer courses=[line.strip()forlineinfile
kesonyk·2015-06-26 15:00

gensim的主题模型LSI

将上问的输入文档归为两个主题fromgensimimportcorpora,models,similarities dictionary=corpora.Dictionary.load('/tmp/deerwester.dict') corpus=corpora.MmCorpus('/tmp/deerwester.mm') print(corpus) tfidf=models.TfidfMode
kesonyk·2015-06-26 00:00

使用gensim计算文档的相似度

gensim是一个主题模型的python库，可以在官网下载http://radimrehurek.com/gensim/index.html以下代码使用gensim来计算文档之间的相关性，使用的是tfidf
kesonyk·2015-06-25 23:00

线性判别分析LDA详解

1LinearDiscriminantAnalysis相较于FLD（FisherLinearDecriminant），LDA假设:1.样本数据服从正态分布，2.各类得协方差相等。
托沃斯-勒夫·2015-06-17 11:17

线性判别分析LDA详解

1LinearDiscriminantAnalysis  相较于FLD（FisherLinearDecriminant），LDA假设:1.样本数据服从正态分布，2.各类得协方差相等。
gdut2015go·2015-06-17 11:00

机器学习中的数学(5)-强大的矩阵奇异值分解(SVD)及其应用

转自：http://www.cnblogs.com/LeftNotEasy/archive/2011/01/19/svd-and-applications.html前言：   上一次写了关于PCA与LDA
u014568921·2015-06-15 16:00

LDA主题模型学习笔记3.5：变分参数推导

    现在来推导一下得到变分参数更新式的过程，这一部分是在论文的附录中，为避免陷入过多细节而影响整体理解，可以在刚开始学习LDA的时候先不关注求解细节。首先要把L写成关于γ,ϕ函数。
happyer88·2015-06-12 16:00

主题模型TopicModel：通过gensim实现LDA

http://blog.csdn.net/pipisorry/article/details/46447561使用pythongensim轻松实现lda模型。
-柚子皮-·2015-06-10 22:18

LDA主题模型学习笔记3：变分推断(E-step)

上文《LDA主题模型学习笔记：求解隐变量和模型参数（EM思想）》中在E-step我们要用变分推断求解如下的优化问题：(γ∗,ϕ∗)=argmin(γ,ϕ)D(q(θ,z|γ,ϕ)||p(θ,z|w,α,
July_Zh1·2015-06-10 09:42

LDA主题模型学习笔记3：变分推断(E-step)

    上文《LDA主题模型学习笔记：求解隐变量和模型参数（EM思想）》中在E-step我们要用变分推断求解如下的优化问题：(γ∗,ϕ∗)=argmin(γ,ϕ)D(q(θ,z|γ,ϕ)||p(θ,z|
happyer88·2015-06-10 09:00

LDA主题模型学习笔记2：求解隐变量和模型参数（EM思想）

    上一篇《LDA主题模型学习笔记1：模型建立》中，我们已经对一个文档集的生成过程建立了三层的LDA主题模型，模型参数是α,β，引入了隐变量θ,z，接下来就是要确定这些参数，也就是参数估计问题。    
happyer88·2015-06-07 22:00

LDA主题模型学习笔记1：模型建立

0，背景LDA于2003年在论文《LatentDirichletAllocation》中提出，是一种主题模型，它可以将文档集中每篇文档的主题以概率分布的形式给出，从而根据主题分布进行主题聚类或文本分类。
July_Zh1·2015-06-06 23:21

LDA主题模型学习笔记1：模型建立

0，背景    LDA于2003年在论文《LatentDirichletAllocation》中提出，是一种主题模型，它可以将文档集中每篇文档的主题以概率分布的形式给出，从而根据主题分布进行主题聚类或文本分类
happyer88·2015-06-06 23:00

Spark下实现LDA+SVM的文本分类处理

最新发布的Spark1.3.1版本中已经实现了LDA的算法，并且以前实现过LDA+SVM进行文本分类的处理程序，借此机会想将程序改为Spark的分布式，Spark已经支持SVM和LDA算法。
yunzhongfeiniao·2015-06-02 17:00

语义分析的一些方法(中篇)

2.1TopicModel首先介绍主题模型。说到主题模型，第一时间会想到pLSA，NMF，LDA。关于这几个目前业界最常用的主题模型，已经有相当多的介绍了，譬如文献[60，64]。
haidao2009·2015-06-02 10:00

JIRA6的安装与破解

JIRA产品非常完善且功能强大，安装配置简单，多语言支持、界面十分友好，和其他系统如CVS、Subversion（SVN）、VSS、LDA
guanning·2015-06-02 09:00

LDA 主题模型解析

这几篇文章分析的LDA比较透彻：http://www.cnblogs.com/hebin/archive/2013/04/25/3043575.htmlhttp://m.blog.csdn.net/blog
vernice·2015-05-31 04:00

LDA模型

参考http://blog.csdn.net/yangliuy/article/details/8302599http://blog.csdn.net/huagong_adu/article/details/7937616
Chrisdy·2015-05-30 13:00

PLSA模型

1、PLSA的公式表达(两种)在“主题模型TopicModel”一文中已经说明了从生成模型的角度如何看待主题模型。
Chrisdy·2015-05-30 13:00

主题模型Topic Model

2、主题模型的工作原理？主题模型是从生成模型的角度来观测文档和主题，即“一篇文章的每个词都是通过一定概率选择某个主题，并从这个主题中以一定概率选择某个词语得到”。
Chrisdy·2015-05-30 13:00

概念主题模型简记

概念主题模型(PTM,probabilitytopicalmodel)在自然语言处理(NLP,naturallanguageprocessing)中有着重要的应用。
Lu597203933·2015-05-23 13:00

文本语言模型的参数估计-最大似然估计、MAP及贝叶斯估计

转自：http://blog.csdn.net/yangliuy/article/details/8296481以PLSA和LDA为代表的文本语言模型是当今统计自然语言处理研究的热点问题。
Lu597203933·2015-05-23 12:00

LDA变分法和采样法

目前比较方便的LDA解法是gibbs采样，但是对于改进型LDA，如果分布不再是dirchlet分布，p(z|w)可能就不太好求了（这里z代表隐藏变量，w是观察量），只能用变分法。
deltaququ·2015-05-21 15:37
上一页 51 52 53 54 55 56 57 58 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他