EM learning
来源:互联网 发布:网络组策略开通 编辑:程序博客网 时间:2024/06/01 10:30
在机器学习问题中,经常需要根据采样数据,推测其分布。一般都要用到极大似然估计(maximum likelihood)。
比如对于一组数据{
极大似然估计算法推测
但是对于比较复杂的模型,参数比较多,很难直接通过计算求出极大似然函数。所以就有了EM算法,通过迭代的方式,不断逼近极大似然函数。
EM算法的核心公式:
上面的推导中,用到了Jensen不等式,因为log函数是个凹函数。取等条件是
所以,取
那么,我们现在可以通过改变
至此,EM算法的思路已经很清晰了:
repeat until converge{
(E step) 求出每个样本数据对应的函数
(M step) 求出极大似然估计参数
}
直观地理解上面的算法流程,在每次的迭代更新中,算法都会将样本数据代入到当前的模型中,进行计算。然后利用计算的结果更新模型。在下一次的迭代中,因为模型被更新过了,所以在E step中利用样本数据进行计算的结果也会发生变化。
可以证明,在不断的迭代中,计算结果总是朝着
利用EM算法,推测GMM模型的参数
未完,待续。。。
- EM learning
- [Machine Learning]--MAP, MLE, EM, GMM
- Machine Learning—Mixtures of Gaussians and the EM algorithm
- 周志华《Machine Learning》学习笔记(9)--EM算法
- 周志华《Machine Learning》学习笔记(9)--EM算法
- em
- em
- EM
- EM
- EM
- EM
- 斯坦福公开课Machine Learning笔记(十)--Mixtures of Gaussians and EM algorithm
- Learning
- learning
- learning
- learning
- learning
- learning
- 硬创先锋艾琪:宜准怎样从运动市场切入智能手表?
- 用java来实现列出指定目录下的文件,子目录下的文件也要输出
- Mybatis模糊查询
- shell 命令行的学习
- 安装在Linux下的jenkins执行windows下的bat命令
- EM learning
- Jquery mobile 解决IOS9<select><li>闪退问题
- 关于动画
- 学Android两年半的感想
- lca
- 8_30调整nice的值 nice值越高 调用优先级越低。
- ——黑马程序员——C语言中的数组(三)
- 偏向锁与轻量级锁
- gitHub 入门