@zsh-o
2018-06-28T17:43:25.000000Z
字数 4004
阅读 1641
机器学习
看LDA的变分EM解法
中有提到用指数分布族归一化项的一阶导数就是期望值,这里整理一下
指数分布族符合如下形式:
多维情况下(参数和随机变量均为向量)可表示为
狄利克雷分布:
对指数族分布对积分
多维情况下形式相同
应用于上面的狄利克雷分布
回到LDA模型,里面有三个中间隐含变量,分别用三个辅助变量来估计
EM的E-step
用以确定出分布的形式,这里也就是求出
首先来看看单纯的EM
从两个方向均可推出EM的公式,从对数似然出发和从KL散度出发
从对数似然出发,
遇到了一个问题:为什么EM不能直接求出来而是用变分EM,在E-step的时候用变分的方法求出三个分布的最优估计值,其实求出来的是具体的值