EM算法随记

150 阅读1分钟

Expectation-Maximization:

理解似然函数: www.jianshu.com/p/6f7fe1ad4… www.52coding.com.cn/index.php?/…

最大似然估计:

最大似然数学问题(100名学生的身高问题):

问题有难了一步:

隐变量:

求 解:

EM算法推倒:

Jensen不等式:

优化下界:

Q(z)求解:

p(Z|Xi;θ)表示给定样本xi的情况下隐变量Z的条件分布。
似然函数的理解:www.cnblogs.com/dahu-daqing…
L(x1,x2,...,xn;θ)分号前面是抽样得到的确定值,分号后是变量。

EM算法流程:

GMM高斯混合模型: