li1367356的博客

点击打开链接 numpy中argmin和argmax是使用

#coding=utf-8 from numpy import * from os import listdir import operator def createDataSet():     #创建数据集     group=array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])     labels=['A','A','B','B'

转载直http://blog.youkuaiyun.com/angelahhj/article/details/41038955 在统计计算中，最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（LatentVariable）。最大期望经常用在机器学习和计算机视觉的数据聚类（DataClusteri

1，           最大似然（最大可能）函数，测得一组样本值sample，来估计参数，使得估计出来的参数能以最大可能产生这组样本值sample。 2，            多维向量X=（x1,x2,x3.....xn）.组成的函数f(X)=X*X*X+...等。如果函数的 hessian矩阵是半正定的或者是正定的，那么函数是凸函数或者是严格凸函数。就像一个变量x的函数f(x)的二阶导数大

#coding:gbk import math import copy import numpy as np import matplotlib.pyplot as plt isdebug = False # 指定k个高斯分布参数，这里指定k=2。注意2个高斯分布具有相同均方差Sigma，分别为Mu1,Mu2。          def in