EM和最大似然函数
来源:互联网 发布:公司数据分析 编辑:程序博客网 时间:2024/06/08 09:04
1, 最大似然(最大可能)函数,测得一组样本值sample,来估计参数,使得估计出来的参数能以最大可能产生这组样本值sample。
例如:每个样本相互独立的取得,那么取得样本xi的概率为p(xi,θ),其中θ为参数,可能是多个参数θ=(θ1,θ2...),那么同时取得x1,x2......xn的概率为:
我们需要求出参数θ,使得L(θ)最大,可以对L(θ)的对数求导等。求出θ。
这就是最大似然估计。
2, 多维向量X=(x1,x2,x3.....xn).组成的函数f(X)=X*X*X+...等。如果函数的 hessian矩阵是半正定的或者是正定的,那么函数是凸函数或者是严格凸函数。就像一个变量x的函数f(x)的二阶导数大于等于0,那么该函数是凸函数一样。
3, EM算法:EM算法本质上也是求最大似然估计的参数。使概率最大。只是多了一个参数z,z为隐藏变量,z代表样本所属的类z1,z2....,即有多种分布,z不知从哪一种分布中取得 的。
Q是关于z的函数,不断的迭代求θ和Q,就可求得最大似然值。求得θ
如果是两个高斯分布构成的数据,就是估算哪两种高斯分布最大可能产生这些数据。
阅读全文
0 0
- EM和最大似然函数
- 最大似然和EM算法
- MLE极大似然估计和EM最大期望算法
- MLE极大似然估计和EM最大期望算法
- 最大似然估计与EM算法
- EM算法似然函数的推导
- 从似然函数到EM算法
- 从最大似然估计法到EM算法
- 最大似然估计、梯度下降、EM算法、坐标上升
- 最大似然函数和最大后验概率区别
- 极大似然估计和EM算法
- 最大似然函数
- 从极大似然函数到EM算法
- 最大似然估计,高斯分布,高斯混合模型,EM算法
- 机器学习之从极大似然估计到最大熵原理以及EM算法详解
- EM最大期望算法
- 最大期望(EM)算法
- EM最大期望算法
- Mac下VMware Fusion中安装CentOS7并配置IP
- 深度残差网络和Highway网络
- Java注解
- git系列--contributions not showing up on my profile问题的解决
- vb.net 教程 3-11 窗体控件综合编程 2-3
- EM和最大似然函数
- spark
- TCP与 UDP
- (codechef) Bytelandian gold coins
- (Linux)08-Linux磁盘文件管理 思维导图
- 求割点 危险系数
- datalist控件输入中文时事件触发问题分析
- WebGoat实验-XSS(跨站脚本攻击)
- AOJ-problem-854