前言

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

文本提供了一種對Dirichlet 過程的理解。本文適合了解高斯過程，對Dirichlet過程有一定了解，但又有些困惑的同學。希望讀完這篇文章能進一步提升對Dirichlet的理解。

隨機過程

粗略地說，隨機過程是概率分布的擴展。我們一般講概率分布，是有限維的隨機變量的概率分布，而隨機過程所研究的對象是無限維的。因此，也把隨機過程所研究的對象稱作隨機函數。

隨機變量之于概率分布，就像隨機函數之于隨機過程。

機器學習領域常見的隨機過程有：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）是定義在函數上的概率分布。

總結

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分布及过程的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。