作者讲的很好诶，突然就理解了不少，想请问作者能不能推荐一些与主题模型有关的文献，适合初学者由浅往深学习
LDA主题模型手把手初学者教学0. latent dirichlet allocation 前言 最近公司分享了这个topic， 我自己钻研了一下写一下自己对这个模型的理解。因为本人在阅读网上各种资料时，...
IP属地：青海
作者讲的很好诶，突然就理解了不少，想请问作者能不能推荐一些与主题模型有关的文献，适合初学者由浅往深学习
LDA主题模型手把手初学者教学0. latent dirichlet allocation 前言 最近公司分享了这个topic， 我自己钻研了一下写一下自己对这个模型的理解。因为本人在阅读网上各种资料时，...
我也很疑惑所以搜了一下，看到了这个问题。多思考了一下我觉得应该这样理解：首先就是函数空间的阶（即元素个数，也就是可能的真实目标函数f的个数）为2^|X（花体）|.
然后每个f对于X（花体）中的一个元素x，f(x)可能取0或1，由于均匀分布，所以取这两个值的概率都是1/2.
现在对于一个具体的假设h，对于任意x∈X（花体），h(x)是确定的.
那么对于任意一个f和任意x∈X（花体），f(x)=h(x)实际上就是f(x)=0或f(x)=1的概率，即1/2.
书中原话为“若f均匀分布，则有一半的f对x的预测与h(x)不一致”.并没有提到所有的x，实际上可以理解为先任取一个x∈X（花体）.
为什么这么说呢？可以看看第二个等号之后，第一个求和号是针对x∈X（花体）-X的，也就是先在X（花体）-X中任取一个x，然后根据求和号是从右到左（实际上有限求和是可交换的）再应用到后面的求和之中.
整体理解第二个等号：单看三个求和号和示性函数，意思是先在X（花体）-X中任取一个x，然后假设一个具体的h（即有一个假设h，形式已知，即在X（花体）上的取值已知），然后针对函数空间中任意一个f，计算出示性函数的值，然后针对函数空间中每个f求和，这样得到的就是1/2*2^|X（花体）|
初学《机器学习》，纯小白，理解有误请指正.
《机器学习（周志华）》学习笔记（一）Q：什么是机器学习？ 机器学习最初被定义为“不显式编程地赋予计算机能力的研究领域”。很明显，这里的“机器”是指计算机。通常我们给计算机编程都会使用if-else这些流程控制：...