Latent Dirichlet Allocation(LDA)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。LDA是一种非监督机器学习技术，可以用来识别大规模文档集（document collection）或语料库（corpus）中潜藏的主题信息。此文档是LDA论文的翻译。
2019-12-21 21:07:39
498KB
1
包括Python分词，去停用词，使用gensim包进行LDA主题分析，并输出每条矩阵属于每个主题的概率的代码，以及停用词表
2019-12-21 21:06:45
7KB
1
LDA从简单到复杂的学习资料整理，学术资源，从2003年提出的基础的LDA到LDA各种重要变体，理解以后能够全面对LDA提出自己的改进
2019-12-21 21:05:40
16.32MB
1
该代码是针对于领域自适应问题，即迁移学习的一个分支，提出的一种基于联合领域分布匹配的算法，并且把LDA中最小化类内散度和最大化类间散度结合进去了，该算法能够讲一个领域中训练的分类器直接应用到另外一个领域，通过将二者投影到一个公共子空间。迁移学习是一个目前比较热门的问题，很好地解决了小样本问题，和避免了反复标注数据集的巨大损耗。
2019-12-21 20:35:56
18.47MB
1
在matlab下实现LDA和PCA人脸特征提取算法和用最近令分类器分类，在标准人脸库上测试效果不错，有很高的识别率。本代码已经经过调试，直接能运行的。
2019-12-21 20:28:00
2KB
1