美文网首页
(18)监督学习-标注问题-EM 算法

(18)监督学习-标注问题-EM 算法

作者: 顽皮的石头7788121 | 来源:发表于2018-11-30 17:02 被阅读0次

        概率模型有时候既含有观测变量,也包含隐变量。如果概率模型的变量都是观测变量,那么给的数据,可以直接采用极大似然估计或者贝叶斯方法估计模型参数。但是,当模型含有隐变量时,就不能简单的使用这些方法 。EM算法就是含有隐变量的概率模型的极大似然估计方法。

        EM算法一共分为2步进行迭代。

        E步:求隐变量的期望

        M步:求待估计参数的极大值

相关文章

  • (18)监督学习-标注问题-EM 算法

    概率模型有时候既含有观测变量,也包含隐变量。如果概率模型的变量都是观测变量,那么给的数据,可以直接采用极大...

  • 无监督学习 聚类分析④

    无监督学习 聚类分析④ EM(Expectation Maximization Algorithm) 1.EM算法...

  • EM 算法

    参考: 从最大似然到EM算法浅解 (EM算法)The EM Algorithm EM算法及其推广学习笔记 EM算法...

  • EM算法

    问题 1. 什么是EM 2. EM算法流程是怎么样的 3. EM算法的优缺点 1. EM算法介绍 EM算法...

  • 机器学习的分类-1

    基本分类 1、监督学习 监督学习是指从标注数据中学习预测模型的机器学习问题。标注数据表示输入输出的对应关系,...

  • 数据标注

    背景 • 机器学习的学习方式包括:监督学习、无监督学习 • 数据分为两种类型:被标注or未被标注 •其中监督学习需...

  • 机器学习算法之聚类(Clustering)

    1.无监督学习:简介 聚类算法:第一个无监督学习算法(无标签的数据) 什么是无监督学习呢?对比:监督学习问题指的是...

  • 聚类(Clustering)

    1.无监督学习:简介 聚类算法:第一个无监督学习算法(无标签的数据) 什么是无监督学习呢?对比:监督学习问题指的是...

  • 机器学习day18聚类算法评价

    聚类算法评估 假设没有外部标签数据,我们怎么评价不同聚类算法的优劣? 非监督学习往往没有标注数据,这是模型,算法的...

  • 生成模式和判别模式

    分类问题 在监督学习中,输出变量Y取有限个离散值时,预测问题变成了分类问题 包括学习和分类两个过程 标注问题 标注...

网友评论

      本文标题:(18)监督学习-标注问题-EM 算法

      本文链接:https://www.haomeiwen.com/subject/dfghcqtx.html