狄利克雷分布 (LDA)

狄利克雷分布（Dirichlet distribution）是一类在实数域以正单纯形（standard simplex）为支撑集的高维连续概率分布，本质上是 Beta 分布在高维情形下的自然推广。作为指数族分布的一员，它由一组非负参数控制，其概率密度函数在单纯形内部非零。在贝叶斯推断框架下，它是多项分布的共轭先验，使得后验分布保持同一族，极大简化了参数估计过程。此外，当维度趋于无穷时，该分布演化为狄利克雷过程，成为非参数贝叶斯推断的基石。

在现代计算架构与机器学习生态中，狄利克雷分布扮演着连接统计理论与复杂模型构建的关键角色。它不仅是贝叶斯统计中处理离散计数数据的标准工具，更是构建狄利克雷混合模型（Dirichlet Mixture Models）和潜在狄利克雷分配（LDA）主题模型的核心数学引擎。其核心价值在于能够优雅地建模多个相互关联的概率变量，并允许参数空间随数据量动态扩展（通过狄利克雷过程）。尽管计算上涉及高维积分，但其共轭性质使其在大规模文本挖掘、推荐系统及资源分配优化等场景中成为不可替代的算法组件。