EM算法总结
来源:互联网 发布:现在windows出到几了 编辑:程序博客网 时间:2024/06/06 16:42
0.EM
EM算法的目标是找到具有隐变量的模型的最大似然解。
1.普通的极大似然估计
概率模型没有隐变量时,似然函数:
这个概率反映了:在概率密度函数的参数是θ时,得到X这组样本的概率。
θ的极大似然估计:
或者使用对数似然函数:
2.EM算法的引入
概率模型有时既含有观测变量,有含有隐变量。
2.1 写出对数似然函数
由于上式中存在“和的对数”的形式,所以不能像原来一样直接求导求解析解。这时就需要EM算法。
对数似然函数简单写法:
2.2 实际情况
在实际应用中,我们通常没有完整数据集{X,Z},只有不完整数据集{X}。
2.3 Q函数(核心)
Q函数是完全数据的对数似然函数logP(X,Z|θ)关于给定观测数据X和当前参数
个人理解:
很多地方,Q函数指的是观测数据Z的条件概率分布
记忆:取对数释然函数的主体P(X,Z|θ),前面加对数ln,然后关于已知的P(Z|X,θ)的期望。
另外
2.4 EM算法过程
(1)选择参数的初值
(2)E步:
计算
(3)M步:
(4)停止迭代的条件:
一般给定两个较小的正数
若满足
则停止迭代。
0 0
- EM算法资料总结
- EM算法总结
- EM算法再次总结
- Clustering算法、EM算法总结
- EM算法介绍及总结
- 机器学习算法总结--EM
- 数据挖掘算法总结-EM算法
- 机器学习算法总结--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
- 类型转换、输入与错误
- 多进程中的SharedPreferences
- 第102讲: 动手实战Spark Streaming自定义Receiver并进行调试和测试
- THUCTC源码解读(三)
- android异步消息机制,源码层面彻底解析(一)
- EM算法总结
- LeetCode 94. Binary Tree Inorder Traversal(二叉树的中序遍历)
- C++基础知识(三)—— 常量
- Android+ eclipse开发快捷键
- stm32资源
- 剑指offerJava实现 二维数组的查找
- MyBatis Review——输入输出映射
- Android经验之如何使用JDBC连接数据库
- Java-final修饰符