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
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
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
网友评论