比浏览器更快的访问！
6 关系: 局域密度近似，主题模型，二异丙基氨基锂，線性判別分析，统计学，隐含狄利克雷分布。
局域密度近似
局域密度近似（local-density approximation, LDA）是密度泛函理论的其中一类交换相关能量泛函中使用的近似。该近似认为交换相关能量泛函仅仅与电子密度在空间各点的取值有关（而与其梯度、拉普拉斯等无关）。尽管有多种方法都能体现局域密度近似，但在实际中最成功的是基于模型的泛函。下面的讨论，除非特别说明，仅限于这一类泛函。 一般地，对于非自旋极化的体系，局域密度近似的交换相关泛函可以写作： E_^.
新！!: LDA和局域密度近似 · 查看更多 »
主题模型
主题模型（Topic Model）在机器学习和自然语言处理等领域是用来在一系列文档中发现抽象主题的一种统计模型。直观来讲，如果一篇文章有一个中心思想，那么一些特定词语会更频繁的出现。比方说，如果一篇文章是在讲狗的，那“狗”和“骨头”等词出现的频率会高些。如果一篇文章是在讲猫的，那“猫”和“鱼”等词出现的频率会高些。而有些词例如“这个”、“和”大概在两篇文章中出现的频率会大致相等。但真实的情况是，一篇文章通常包含多种主题，而且每个主题所占比例各不相同。因此，如果一篇文章10%和猫有关，90%和狗有关，那么和狗相关的关键字出现的次数大概会是和猫相关的关键字出现次数的9倍。一个主题模型试图用数学框架来体现文档的这种特点。主题模型自动分析每个文档，统计文档内的词语，根据统计的信息来断定当前文档含有哪些主题，以及每个主题所占的比例各为多少。 主题模型最初是运用于自然语言处理相关方向，但目前以及延伸至例如生物信息学的其它领域。.
二异丙基氨基锂
二异丙基氨基锂，又称LDA，化学式为2NLi。在有机化学中，LDA通常作为碱被用于去质子化碳氢化合物。LDA因可溶于非极性有机溶剂中，而被广泛应用。LDA属于非亲核性强碱。.
新！!: LDA和二异丙基氨基锂 · 查看更多 »
線性判別分析
线性判别分析 (LDA)是对费舍尔的线性鉴别方法的归纳，这种方法使用统计学，模式识别和机器学习方法，试图找到两类物体或事件的特征的一个线性组合，以能够特征化或区分它们。所得的组合可用来作为一个线性分类器，或者，更常见的是，为后续的分类做降维处理。 LDA与方差分析（ANOVA）和回归分析紧密相关，这两种分析方法也试图通过一些特征或测量值的线性组合来表示一个因变量。Fisher, R. A. (1936).
新！!: LDA和線性判別分析 · 查看更多 »
统计学
统计学是在資料分析的基础上，研究测定、收集、整理、归纳和分析反映數據資料，以便给出正确訊息的科學。這一门学科自17世纪中叶产生并逐步发展起来，它廣泛地應用在各門學科，從自然科学、社會科學到人文學科，甚至被用於工商業及政府的情報決策。隨著大数据(Big Data)時代來臨，統計的面貌也逐漸改變，與資訊、計算等領域密切結合，是資料科學(Data Science)中的重要主軸之一。 譬如自一組數據中，可以摘要並且描述這份數據的集中和離散情形，這個用法稱作為描述統計學。另外，觀察者以數據的形態，建立出一個用以解釋其隨機性和不確定性的數學模型，以之來推論研究中的步驟及母體，這種用法被稱做推論統計學。這兩種用法都可以被稱作為應用統計學。數理統計學则是討論背後的理論基礎的學科。.
隐含狄利克雷分布
含狄利克雷分布（Latent Dirichlet allocation，简称LDA），是一种主题模型，它可以将文档集中每篇文档的主题按照概率分布的形式给出。同时它是一种无监督学习算法，在训练时不需要手工标注的训练集，需要的仅仅是文档集以及指定主题的数量k即可。此外LDA的另一个优点则是，对于每一个主题均可找出一些词语来描述它。 LDA首先由Blei, David M.、吴恩达和Jordan, Michael I于2003年提出，目前在文本挖掘领域包括文本主题识别、文本分类以及文本相似度计算方面都有应用。.
新！!: LDA和隐含狄利克雷分布 · 查看更多 »
