EM算法(3)....个人的学习体会
来源:互联网 发布:医疗人工智能 杭州 编辑:程序博客网 时间:2024/06/05 08:22
高斯混合模型是EM算法的经典应用,结合高斯混合模型进行EM算法的学习是一个较好的方法。
EM知识要点:
1、EM算法是最大似然估计的特殊情况,首先EM算法模型是根据最大似然估计来建立的。因为在某种情况下,有中间隐含变量,不能直接让偏导为零而求得参数解,于是就产生了EM算法。
2、EM算法怎么在隐含变量的情况下,求所需的参数解?这涉及了一系列先验概率和后验概率的知识运用,同时还需非常重要的一步“假设初始参数值”。
3、算法的基本思想:
假设需要求的参数是x,首先假设的初始参数为x=x0;
E:在已知x的情况下,根据后验概率的思想来求得隐含变量值(在概率上表达的);
M:然后应用最大似然估计求参数的方法求得参数x1,另x=x1;
不断地重复E、M两步,使得最终的x值收敛到指定的范围。
0 0
- EM算法(3)....个人的学习体会
- objective-c的个人学习体会
- 有关em的个人理解
- 算法与数据结构的一些学习体会
- 算法与数据结构的一些学习体会
- EM算法的证明
- EM算法的理论依据
- EM算法的理解
- EM算法的推导
- EM算法的目的
- K-means算法、EM算法——斯坦福CS229机器学习个人总结(五)
- K-means算法、EM算法——斯坦福CS229机器学习个人总结(五)
- EM算法(转载)
- EM算法(2)
- (EM算法)The EM Algorithm
- (EM算法)The EM Algorithm
- (EM算法)The EM Algorithm
- (EM算法)The EM Algorithm
- POJ-----3641快速幂
- MySQL库和表的操作
- setContentView剖析
- 指针的加减操作及对指针和数组类型的理解
- FastDFS监控中心安装
- EM算法(3)....个人的学习体会
- tjut 4911
- android面试专题(7)
- Poj 2492 A Bug's Life(带权并查集)(水)
- 结构化随机森林_2
- Java IO流大致总结
- mysql5.7之修改root用户的密码
- HDU 5319 Painter
- Butter Knife 使用方法