前言

Dirichlet分布（Dirichelt Distribution）和Dirichlet過程 （Dirichlet Process）廣泛應(yīng)用于信息檢索、自然語言處理等領(lǐng)域，是理解主題模型的重要一步。而且它作為一種非參數(shù)模型（non-paramatric model），和參數(shù)模型一樣有著越來越廣泛的應(yīng)用。

文本提供了一種對(duì)Dirichlet 過程的理解。本文適合了解高斯過程，對(duì)Dirichlet過程有一定了解，但又有些困惑的同學(xué)。希望讀完這篇文章能進(jìn)一步提升對(duì)Dirichlet的理解。

隨機(jī)過程

粗略地說，隨機(jī)過程是概率分布的擴(kuò)展。我們一般講概率分布，是有限維的隨機(jī)變量的概率分布，而隨機(jī)過程所研究的對(duì)象是無限維的。因此，也把隨機(jī)過程所研究的對(duì)象稱作隨機(jī)函數(shù)。

隨機(jī)變量之于概率分布，就像隨機(jī)函數(shù)之于隨機(jī)過程。

機(jī)器學(xué)習(xí)領(lǐng)域常見的隨機(jī)過程有：Gaussian Process, Dirichlet Process, Beta Process, Gamma Process等等。

高斯過程

理解Dirichlet過程，可以類比高斯過程。高斯過程（GP）是定義在函數(shù)上的概率分布。

總結(jié)

以上是生活随笔為你收集整理的深度学习核心技术精讲100篇（二十一）-深入理解Dirichlet分布及过程的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。