GibbsLDA++: A C/C++ Implementation of Latent Dirichlet Allocation (LDA) using Gibbs Sampling for Parameter Estimation and Inference
GibbsLDA++: A C/C++ Implementation of Latent Dirichlet Allocation GibbsLDA++ is a C/C++ implementation of Latent Dirichlet Allocation (LDA) using Gibbs Sampling technique for parameter estimation and inference. It is very fast and is designed to analyze hidden/latent topic structures of large-scale datasets including large collections of text/Web documents. LDA was first introduced by David Blei e
Linear discriminant analysis - Wikipedia
Linear discriminant analysis on a two dimensional space with two classes. The Bayes boundary is calculated based on the true data generation parameters, the estimated boundary on the realised data points.[1] Linear discriminant analysis (LDA), normal discriminant analysis (NDA), or discriminant function analysis is a generalization of Fisher's linear discriminant, a method used in statistics and o
@220: PCAとLDAについて
2008年8月26日 PCAとLDAについて （研究メモです） パターン認識を行う系は大きく識別対象からその識別に有効な特徴を抽出する特徴抽出部と、その特徴を用いて実際に識別処理を行う識別部に分けることができる。 抽出された特徴はベクトルの形で表現され、識別部で処理される。 どの識別器を用いるかにもよるが、学習データのサンプル数に対してベクトルの次元数が膨大になることは処理を困難にする。 膨大な次元数の特徴ベクトルを用いたパターン認識として以下の方法が考えられる。 １．識別器としてSVMなど膨大な次元数を扱えるものを用いる ２．次元圧縮処理を行う １で挙げたSVMは最近パターン認識の分野では広く用いられている手法である。 ２の場合、PCAとLDAが有名な手法だ。 次元圧縮処理は特徴空間の変換と考えることができるので線形空間で考えると、ある次元のベクトルを()次元のベクトルに変換する処理、す
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
