问题标签 [dirichlet]

Dirichlet 分布用于文档建模。

我从这篇文章中读到：

不同的 Dirichlet 分布可用于对不同作者的文档或不同主题的文档进行建模。

那么我们如何判断它是针对不同作者还是针对不同主题进行建模呢？这很重要，因为在文档聚类任务中，它直接决定了聚类结果的语义。

而且我发现将建模的可能方面仅限于作者或主题过于主观。由于似乎没有强有力的证据支持某个特定方面，因此它可能是任何其他潜在/潜在方面。

任何人都可以对此有所了解吗？

我想建立一个依赖于其他分类变量的离散（pymc.Categorical）变量的贝叶斯网络。作为一个最简单的例子，假设变量a和b是分类变量，并且b取决于a

这是使用 pymc 对其进行编码的尝试（假设a采用三个值之一，b采用四个值之一）。想法是使用 pymc 从数据中学习 CPT 分布。

如果我们绘制这个模型，它看起来像这样

然而，运行这段代码我们得到一个错误：

显然，pymc 可以将 Dirichlet 变量作为分类变量的参数。当 Categorical 变量将 Dirichlet 变量作为其参数时，它知道期望 k-1 个概率向量，并假设第 k 个概率将向量求和为 1。但是，当 Dirichlet 变量是一个确定性变量，这是我制作 CPT 所需要的。

我会以正确的方式解决这个问题吗？如何解决表示不匹配的问题？我应该提一下，我对 pymc 和 Python 比较陌生。

这个问题与上一个关于使用 pymc 制作离散状态马尔可夫模型的问题有关

同学们，

我是主题建模的初学者。我在 R 中使用主题模型包。函数调用是 LDA(data, k)。

我想知道使用了哪些 alpha 和 beta 值？另外，哪种推理算法用于参数估计？变分 EM 还是 Gibbs？

谢谢

我读过默认情况下某些名称被分配给随机变量。我正在下面写我的代码的相关部分。

最后一行引发错误KeyError: 'parameters_0'有人可以解释为什么会这样。

但如果我使用Matplot.plot(m)，我会得到图（我附在下面）。我的印象是键是parameters_0，parameters_1，parameters_2。

有什么方法可以让我知道所有存在痕迹的键吗？

)

有人可以解释一下在 PyMC 中使用 Dirichlet 发行版（带有工作示例）吗？

我意识到这是微不足道的，但我无法找到所有组件的踪迹。有什么出路吗？

我已经在这里发布了我的代码的相关部分

在 PyMC 中打印跟踪时出现 KeyError

据我了解，logp 应该 b2 <= 0，否则概率将 > 1（这是不可能的）。

有人可以解释为什么我会得到如此奇怪的结果。我正在下面编写代码的相关部分。

我得到以下输出

这是一件很奇怪的事情。我没有在 pymc 中使用 dirichlet 随机变量的经验。我只是在文档中查找了语法并编写了它。我可能是错的，如果是，请纠正我。

另一个小问题

无论我采用多少随机值，即使我每次都得到不同的值，对数概率也不会改变。

我想运行一个估计，假设我的变量是根据狄利克雷分布分布的。为此，我需要使用 cdf 函数。对于 R 中的所有分布，有各自的 r,p 和 d 函数产生随机变量，pdf 和 cdf。然而，对于 Dirichlet，我只能找到随机数生成器和 pdf。是否有类似的 R 包提供 cdf？

非常感谢，

我正在尝试使用 BUGS 编写狄利克雷多项式模型。基本上我有 18 个地区和每个地区 3 个类别。例如，区域 1：0.50 属于 Low，0.30 属于 Middle，0.20 属于 High。该列表当然以不同的比例继续到第 18 区。我得到的唯一代码是这个

例如，我首先将其缩短为 3 个区域。单击“gen inits”后，它会显示“Dirichlet36”。请帮我编写代码。

我想实现 在 PyMC 3 中为贝叶斯半参数模型实现 Dirichlet 过程（来源：here ）中引用的 Dirichlet 过程示例。

pymc.deterministic 在示例中，使用装饰器计算断棒概率：

您将如何在使用 Theano 进行梯度计算的 PyMC 3 中实现这一点？

编辑：我使用以下方法尝试了以下解决方案theano.scan：

可悲的是，这真的很慢，并且没有获得合成数据的原始参数。

有没有更好的解决方案，这是否正确？

有没有人有可靠的数据可以用来为 Dirichlet 发行版的新实现编写一些单元测试？