（1）LDA的基本介绍（wiki）

 LDA是一种典型的词袋模型，即它认为一篇文档是由一组词构成的一个集合，词与词之间没有顺序以及先后的关系。一篇文档可以包含多个主题，文档中每一个词都由其中的一个主题生成。它以概率分布的形式揭示每个文档的主题，以便在分析一些文档以提取其主题分布后，可以根据主题分布进行主题聚类或使用文本分类。每个主题都用一个词分布表示。
 通俗说就是：你计算机给我推测分析网络上各篇文章分别都写了些啥主题，且各篇文章中各个主题出现的概率大小（主题分布）是啥。其中有四个分布：
①Beta分布是二项式分布的共轭先验概率分布
②狄利克雷分布（Dirichlet分布）是多项式分布的共轭先验概率分布
③每一篇文档的主题分布满足多项分布，并且每一个文档的主题分布都是从$\alpha$这个狄利克雷分布取样而来。

（2）贝叶斯学派和频率学派

①频率学派：频率学派相信概率是一个确定的值，讨论概率的分布没有意义。在机器学习中的体现就是优化似然函数（单纯从自然观测）
②贝叶斯学派：概率表示的是客观上事实的可信程度，也可以说成是主观上主体对事件的信任程度，它是建立在对事件的已有认识基础上的。
贝叶斯学派强调了先验知识的重要性。所以贝叶斯学派的思考方法如下：先验分布$\pi (\theta )$指的是人们先前对事物的看法

  说白了频率派认为参数是客观存在，不会改变，虽然未知，但却是固定值；贝叶斯派则认为参数是随机值，因为没有观察到，那么和是一个随机数也没有什么区别，因此参数也可以有分布，

（3）LDA模型的“历史演化”（个人理解）