Indian Buffet Process(印度自助餐过程)介绍-CSDN博客

本文链接：https://blog.csdn.net/qy20115549/article/details/78532939

近期，有人将本人博客，复制下来，直接上传到百度文库等平台。
本文为原创博客，仅供学习使用。未经允许，禁止将其复制下来上传到百度文库等平台。如有转载请注明本文博客的地址(链接)

简介

无监督学习的目的是从观测数据中，发掘潜在的结构(latent structure)。无监督学习算法的一个关键问题是如何确定潜在结构的数目，如聚类中的类的数目，变量的数目等。以聚类为例，如果能够基于数据之间的内在关系，自动学习类的数目，要比通过经验设置一个数目要好的多。

相比参数化的贝叶斯模型，非参贝叶斯有其独特的地方，也是近些年来，机器学习比较火的一种方法，如DPMM(Dirichlet process mixture model)、层次DP过程（Hierarchical Dirichlet Processes）等。DPMM和HDP模型都是假设一个数据点只能分配到一个潜在类或者簇中(each datapoint is assigned to a latent class)，即一个数据点。相反，无监督学习的一些模型中，假设一个数据点可以拥有多个特征，经典的模型有主成分分析(PCA)、因子分析（factor analysis）。从图(1)中可以看出每个数据点 $x$ 对应一个所属的类 $\theta$ 。从图(2)中可以看出，每个数据点(顾客)只能被分配到一个类中(即一个顾客只能坐一张座子)，在黑白格子的图中，行代表数据点(顾客)，列代表隐特征(菜-类)，可以看出，每一个数据点，在一行中，只有一个涂黑的。

关于中餐馆过程可以参考我写的另外的博客：
http://blog.csdn.net/qy20115549/article/details/52371443
也可参考相关论文（提供一篇中文的，一篇英文的）：
Teh Y W, Jordan M I, Beal M J, et al. Sharing clusters among related groups: Hierarchical Dirichlet processes[C]//Advances in neural information processing systems. 2005: 1385-1392.

周建英, 王飞跃, 曾大军. 分层 Dirichlet 过程及其应用综述[J]. 自动化学报, 2011, 37(4): 389-407.

图(1) 左图为DPMM 右图为HDP

这里写图片描述

图(2) 中餐馆过程

印度自助餐过程(Indian Buffet Process,IBP)是2005年提出的，其核心思想是一个数据点可用无限个二元特征表示，即数据点可以拥有多个隐性特征，且这些特征的概率和不为1。该过程定义了一个有限维行（数据点的个数）、无限维列（隐特征数目）的先验。从图3和图4中，可以看出，一个数据点可以拥有多个隐特征，形象的理解为一个自助餐馆中，一个顾客可以选择吃多个菜。

图(3) IBP过程

这里写图片描述

图(4) IBP过程

隐类别模型(Latent Class Models)

在隐类别模型中，一个数据点只能属于一个类别，主要包括有限混合模型和无限混合模型。

有限混合模型

假设有 $N$ 个数据点，有K个类，其概率生成模型可以表示如下

θ | α \sim D i r i c h l e t (α K, α K, \dots, α K)

$\theta | \alpha \sim Dirichlet\left(\frac{\alpha }{K},\frac{\alpha }{K},\cdots ,\frac{\alpha }{K} \right)$

c i | θ \sim D i s c r e t (θ)

$c_{i}|\theta \sim Discret\left ( \theta \right )$

这里写图片描述

利用多项式分布与Dirichlet共轭，有如下公式：

对隐变量 $\theta$ 进行积分得：

我们可以看到

p(c) $p\left ( c \right )$ 依旧服从Dirichlet分布。

无限混合模型

可以参考我这篇博客：http://blog.csdn.net/qy20115549/article/details/77905679
主要介绍的是DPMM。
也可看这两篇论文：
Teh Y W, Jordan M I, Beal M J, et al. Sharing clusters among related groups: Hierarchical Dirichlet processes[C]//Advances in neural information processing systems. 2005: 1385-1392.

周建英, 王飞跃, 曾大军. 分层 Dirichlet 过程及其应用综述[J]. 自动化学报, 2011, 37(4): 389-407.

下面两个图，一个是有向图表示，一个是生成过程。

其对隐特征的抽样公式如下：

这里写图片描述

中餐馆过程

中国餐馆过程是一个典型的Dirichlet过程混合模型。可以将中国餐馆过程描述如下：
1.假设一个中国餐馆中，可以有无限个桌子。

2.来吃饭的第一位顾客坐了第一张桌子。

3.对于每一位顾客，都按照下面的规则来选择桌子坐下，对于第n个顾客：
（3.1）顾客选择坐在已经有人的桌子上，这样的概率为

n k α 0 + n - 1

$\frac{n_{k}}{\alpha_{0}+n-1}$
其中，

nk $n_{k}$ 表示第