MCMC与Gibbs Sampling

从logistic regression到MCMC

http://vdisk.weibo.com/s/zmpa-bdr1P4SQ?from=page_100505_profile&wvr=6

PRML读书会第十一章Sampling Methods

http://www.cnblogs.com/Nietzsche/p/4255948.html

MC, MCMC, Gibbs采样 原理&实现（in R）

/article/1820831.html

从随机过程到马尔科夫链蒙特卡洛方法

http://www.cnblogs.com/daniel-D/p/3388724.html

MCMC Methods: Gibbs Sampling and the Metropolis-Hastings Algorithm

http://www.people.fas.harvard.edu/~plam/teaching/methods/mcmc/mcmc_print.pdf

An Introduction to MCMC for Machine Learning

http://cis-linux1.temple.edu/~latecki/Courses/RobotFall07/PapersFall07/andrieu03introduction.pdf

LDA数学八卦

http://emma.memect.com/t/9756da9a47744de993d8df13a26e04e38286c9bc1c5a0d2b259c4564c6613298/LDA

通俗理解LDA主题模型

http://blog.csdn.net/v_july_v/article/details/41209515#t13

Multinomial distribution和Dirichlet distribution

http://www.cs.berkeley.edu/~stephentu/writeups/dirichlet-conjugate-prior.pdf

共轭先验分布

http://www.duzelong.com/wordpress/201506/archives541/

其中“贝塔分布和二项分布共轭”一节

其中“狄利克雷分布和多项式分布共轭”，提到多项式分布,X取值是k个,不再是二项分布的2个了；多项式分布是离散随机变量的分布,狄利克雷分布是连续型随机变量的分布

http://lesswrong.com/lw/5sn/the_joys_of_conjugate_priors/

The magic of conjugate priors (for online learning)

https://www.chrisstucchio.com/blog/2013/magic_of_conjugate_priors.html

主体模型简介

http://www.slideshare.net/hustwj/by-szy

Topic Models, LDA and all that

http://www.slideshare.net/aurora1625/topic-models-lda-and-all-that

Notes on Probabilistic Latent Semantic Analysis

http://www.slideshare.net/hustwj/notes-on-probabilistic-latent-semantic-analysis

Topic Models

http://www.slideshare.net/clauwa/topic-models-5274169?related=1

Markov Chain Monte Carlo

http://people.duke.edu/~ccc14/sta-663/MCMC.html

既然 LDA 是一种比 PLSA 更高级的模型，为啥百度还在用 PLSA

http://www.zhihu.com/question/23642556

概率统计（第3版） [作]Morris H.DeGroot 等 [译]叶中行 等 第十一章 随机模拟

统计模拟（第4版） [作]Sheldon M.Ross [译] 王兆军 等 第10章 MCMC方法

统计学完全教程 作者: (美国)L.沃赛曼 译者: 张波 / 刘中华 / 等 第24章 模拟方法