有些恰当的比喻，简洁的却抓住本质的描述，对学习理解挺有帮助
有一些数学原理，可能你生活中曾使用过，甚至当作常识的，当它套上专有名词时，就有点不可亲近的味道。去弄清它吧，世界又被你踩在脚下了，有没有? 呵呵，开个玩笑。
比如狄利克雷分布， 我刚开始接触这个名词是在前我司的大数据产品资料上。一段文字，当然也有图片，好像看懂了吧。。又好像没看懂。当然肯定没记住。不过，如果现在要我讲，我有信心能给大妈级别（抗拒用智能手机）的人讲明白。。什么? 你也想知道? 好吧。。 easy!
先搞清beta 分布，狄利克雷分布就自然清楚了。 beta分布就是 。。
我有个闺蜜同事，体重只有80多斤，生完娃了没多久直到现在仍然只有80多斤那种。拼命吃东西拼命吃肉仍然80多斤 仍然各种渠道求增肥方法那种。我需要你预测 10年后她体重是否超过100斤的机率。 什么? 你猜只有0.01%，很好， 我答案跟你类似。 另一好友吃货美食家，健康匀称，100斤+-5%。当体重达到一定值时，看心情，自律能力也不错，可能能立即hold住增势。请你预测 10年后她体重是否超过100斤的机率。 这回估计你也猜不准了吧。给个55% ? 哈哈，这个0.01%， 55% 就是beta分布，关于（二项式）概率的概率分布。
而狄利克雷分布就是关于多项式的概率分布。比如随便拿到一篇新闻，它属于娱乐新闻的概率，肯定比属于教育新闻的概率高； 它属于社会新闻的概率，肯定比属于家装新闻的概率高。 这些属于不同类别（多项式）的概率分布 ，就是狄利克雷分布。
有时，先利用狄利克雷分布，先不需要做其他精确的分析预测，你猜对它归属的分类的可能性 就比平均分配或随便乱猜 机率更高一点。然后，再继续用各种机器学习算法吧 ：） (当然，没有这样的先后顺序，事实是机器学习中用到了狄利克雷分布)