美文网首页
EM 算法

EM 算法

作者: Thinkando | 来源:发表于2018-12-19 16:10 被阅读76次

1. 为什么要引入EM 算法

  • 如果概率模型的变量都是观测变量（数据中可见的变量），则可以直接用极大似然估计，或者用贝叶斯估计模型参数。但是，当模型含有隐变量（数据中看不到的变量）时，就不能简单地使用这些估计方法，而应该使用含有隐变量的概率模型参数的极大似然估计法，也即EM算法。

2. 7月算法降解

  • 比如说知道升高1.9m,背后的隐变量是男还是女？


    image.png
    image.png
    image.png
    image.png
    image.png
    image.png
    image.png

3.

image.png
image.png

  • theta(t) 是常数和theta 无关


    image.png

  • 积分可以想象成求期望


    image.png

参考文献

  1. https://www.bilibili.com/video/av31906558/?p=3

相关文章

网友评论

      本文标题：EM 算法

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

      延伸阅读

      深度阅读

      • 您也可以注册成为美文阅读网的作者，发表您的原创作品、分享您的心情！

      栏目导航

      热点阅读

      关于我们|服务条款|联系我们|EM 算法|投稿指南|网站地图|RSS订阅|排版工具|手机版

      提供经典美文摘抄,优美散文欣赏,现代诗歌精选,短篇小说,心情随笔,表白情书范文,故事会在线阅读欣赏

      Copyright © 2014-2023 Haomeiwen.com All Rights Reserved. 好美文阅读网 版权所有

      备案信息：桂公网安备 45052102000051号 · 桂ICP备13007215号-3

      本站所收录作品、热点评论等信息部分来源互联网，目的只是为了系统归纳学习和传递资讯

      所有作品版权归原创作者所有，与本站立场无关，如不慎侵犯了你的权益，请联系我们告知，我们将做删除处理！