浅谈EM算法
来源:互联网 发布:外观模式 java 编辑:程序博客网 时间:2024/06/08 03:24
一般形式的EM算法
期望最大化算法,或者EM算法,是寻找具有潜在变量的概率模型的最大似然解的一种通用的方法(Dempster et al., 1977; MaLachlan and Krishman, 1997), 同时也构成了变分推断框架推导的基础。
考虑一个概率模型,其中将所有的观测变量联合起来记作X, 将所有的隐含变量记作Z。联合概率分布
这里先假设Z是离散的。
我们假设直接最优化
其中,我们定义了
注意,
根据上面的公式,我们看到
EM算法是一个两阶段的迭代优化算法,用于寻找最大似然解。我们可以使用上述公式来定义EM算法,证明它确实最大化了对数似然函数。假设参数向量的当前值为
在E步骤中,下界
在M步骤中,分布q(Z)保持固定,下界
此时我们将
其中,常数就是分布
Reference
Chapter 9 of PRML : Mixture Models and EM
- EM算法浅谈
- 浅谈EM算法
- 浅谈EM算法
- 浅谈EM算法的两个理解角度
- EM 算法
- EM 算法
- EM算法
- EM算法
- EM算法
- EM算法
- EM算法
- EM算法
- EM算法
- EM算法
- EM算法
- EM算法
- EM算法
- em算法
- 字符串水题——相对分子质量
- HDU 1114 Piggy-Bank(完全背包)
- wpf在窗口的控件拖动、点击窗口中控件显示在最上面以及控件拖动不超过窗口边界
- Java 中Map四种取值方式
- kobo缺字问题解决
- 浅谈EM算法
- 一步一步学springboot (九)集成redis
- 整理的一些笔试题
- telnet查看远程机器端口是否可以访问
- Java EE 的一点笔记
- effective java 读书笔记---第10章 并发
- opencv从零开始——5. 图像处理初体验
- es6学习笔记Set和WeakSet数据结构
- Caffe2 在Ubunut 16.04安装记