相信对LDA感兴趣的同学应该都看过M.Blei、Andre Y. Ng和Micheal I. Jordan合著的论文“Latent Direchlet Allocation”。文章除了概述常见的隐藏变量模型（Unigram Model、Mixture of unigrams、Probabilistic Latent semantic indexing）外，重点是介绍LDA的算法推导和实现流程。

本篇水文主要目的是介绍LDA的程序实现流程，避免只读文章而带来“虚”感。图1为大家熟知的LDA图模型，详细介绍可参见上一篇水文“LDA学习摘要”。

原文：Accurately Measuring Model Prediction Error

zz from：http://blog.codinglabs.org/articles/accurately-measuring-model-prediction-error.html?utm_source=rss&utm_medium=rss

在机器学习模型的效果评估中，预测误差的分析是重中之重。对于现有的各种误差测量技术，如果使用不当，会得出极具误导性的结论。这些结论会误导模型设计者设计出过拟合的模型，过拟合是指训练出的模型对于训练集拟合的很好，但是对于新的样本集则预测效果极差。这篇文章描