数据挖掘十大经典算法(五)最大期望(EM)算法
来源:互联网 发布:韩视美瞳怎么样 知乎 编辑:程序博客网 时间:2024/05/29 02:26
最大期望算法(Expectation Maximization Algorithm,又译期望最大化算法),是一种迭代算法。在概率(probabilistic)模型中寻找参数最大似然估计或者最大后验估计的算法,其中概率模型依赖于无法观测的隐藏变量(Latent Variable)。
最大期望经常用在机器学习和计算机视觉的数据聚类(Data Clustering)领域。
EM算法思想:假设我们估计知道A和B两个参数,在开始状态下二者都是未知的,并且知道了A的信息就可以得到B的信息,反过来知道了B也就得到了A。可以考虑首先赋予A某种初值,以此得到B的估计值,然后从B的当前值出发,重新估计A的取值,这个过程一直持续到收敛为止。
最大似然估计,概率论中参数估计的方法之一。已知某个随机样本满足某种概率分布,但是其中具体的参数不清楚,参数估计就是通过若干次试验,观察其结果,利用结果推出参数的大概值,把这个参数作为估计的真实值。
最大期望算法经过两个步骤交替进行计算:
第一步是计算期望(E),利用对隐藏变量的现有估计值,计算其最大似然估计值;
第二步是最大化(M),最大化在 E 步上求得的最大似然值来计算参数的值。
总体来说,EM的算法流程如下:
- 初始化分布参数
- 重复直到收敛:
- E步骤:估计未知参数的期望值,给出当前的参数估计。
- M步骤:重新估计分布参数,以使得数据的似然性最大,给出未知变量的期望估计。
1 0
- 数据挖掘十大经典算法(五)最大期望(EM)算法
- 数据挖掘十大算法---EM 期望最大算法
- 数据挖掘十大经典算法(5) 最大期望(EM)算法
- 数据挖掘十大经典算法(5) 最大期望(EM)算法
- 数据挖掘十大经典算法(5) 最大期望(EM)算法 .
- 数据挖掘十大经典算法(5) 最大期望(EM)算法
- 数据挖掘十大经典算法(5) 最大期望(EM)算法
- 数据挖掘十大经典算法(5) 最大期望(EM)算法
- 数据挖掘十大算法----EM算法(最大期望算法)
- 数据挖掘十大算法----EM算法(最大期望算法)
- 数据挖掘十大算法----EM算法(最大期望算法)
- 数据挖掘十大算法----EM算法(最大期望算法)
- 数据挖掘十大算法----EM算法(最大期望算法)
- 十大经典数据挖掘算法之EM(期望最大化)算法
- 数据挖掘领域十大经典算法 --- EM算法
- 数据挖掘十大经典算法(5) EM
- 大数据十大经典算法之EM算法
- [推荐]数据挖掘十大经典算法
- IE报错:缺少标识符、字符串或数字
- JVM中的垃圾收集算法
- ASP.NET动态生成GridView的使用
- Git – fatal: Unable to create 'XXX/.git/index.lock’: File exists.的解决办法
- js以excel为模板的打印
- 数据挖掘十大经典算法(五)最大期望(EM)算法
- iOS 禁止横屏
- Gamma函数相关matlab代码
- TED字幕摘抄
- 怎样将pdf转换成word文件格式
- 文摘
- Android 监听各个Acitivity的生命周期
- IntelliJ IDEA 的 20 个代码自动完成的特性
- 《Computational Statistics with Matlab》硬译