R语言: MLE以及EM算法模拟实验

最新推荐文章于 2022-10-28 10:38:10 发布

iteye_12322

最新推荐文章于 2022-10-28 10:38:10 发布

阅读量2.2k

点赞数

CC 4.0 BY-SA版权

分类专栏：机器学习 R语言学习文章标签： r语言最大似然估计 EM 算法

本文链接：https://blog.youkuaiyun.com/iteye_12322/article/details/82576137

本文通过R语言模拟了男女生身高数据，应用EM算法尝试估计男生和女生身高的均值和标准差。在E-Step中对隐藏变量进行分类，M-Step中进行最大似然估计。经过三次迭代，算法开始收敛，但结果与模拟值有偏差，可能是由于分布重叠导致分类困难。作者计划进一步研究解决这个问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

看了一篇来自zouxy09的“从最大似然到EM算法浅解”博文

详细算法和数学公式在 http://blog.youkuaiyun.com/zouxy09

本文主要想实现上述文中的例子：例子简要描述。

某学校抽样100位男生和100位女生的身高，男生和女生身高分别满足各自的高斯分布。现在200个样本数据混乱放置在一起，如何通过EM算法，求出男生身高的均值和标准差？

首先，我们模拟男女生身高样本。模拟男生theta值为mu=1.75, sd=0.316。女生theta值为mu=1.65, sd=0.316


#Data simulation
set.seed(1001)
mStudent<-rnorm(100,1.75,0.316)
fStudent<-rnorm(100,1.65,0.316)
totalStu<-cbind(mStudent,fStudent)
totalStu1<-c(mStudent,fStudent)

按照EM算法步骤，E-Step. 对hidden vairiable （z）进行估计，把男生和女生分成两类。


###################
#E-step:
###################
eStep.fn=function(data,flag, muB,sigmaB,muG,sigmaG){
  
  listB = c()
  listG = c()
  numB=0
  numG=0
  for