From 52b057560f0a0e683dcd17a8aa6ce840dc6fcca9 Mon Sep 17 00:00:00 2001 From: Smirk Date: Mon, 3 Jun 2019 20:45:08 +0800 Subject: [PATCH] update relations comment about LSA, PLSA, LDA and MCMC --- README.md | 3 ++- 1 file changed, 2 insertions(+), 1 deletion(-) diff --git a/README.md b/README.md index 1b9c2d6..0bbe872 100755 --- a/README.md +++ b/README.md @@ -261,11 +261,12 @@ ## CH16 主成分分析 - 利用正交变换将线性相关变量表示的观测数据转换为少数几个由线性无关变量表示的数据，线性无关的变量称为**主成分** -- +- 这部分内容，还没有提到**话题**这个概念，后面章节开始介绍了很多话题分析相关的内容，LSA，PLSA，LDA都是和话题有关，MCMC是在LDA中使用的一个工具。 ## CH17 潜在语义分析 - 在sklearn的定义中，LSA就是截断奇异值分解。 +- 注意体会LSA和PCA的区别。 ## CH18 概率潜在语义分析