期望极大算法的理解（EM）

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 200+累计阅读 253平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄9年

关注

原创最新推荐文章于 2026-02-15 05:53:07 发布 253 阅读 AI 写同款· GEO 优化 ›

计算机博弈期望搜索算法算法期望极大极小算法计算机博弈大赛中期望搜索算法是极大极小算法的一种优化，主要针对“不完备信息”游戏的博弈预备知识：广度优先搜索(BFS) 深度优先搜索(DFS) 极大极小算法(MaxMin算法) 介绍这个其实就是把原来无权重的树编程有权重的树。这个权重就是这个子节点被选择的概率，对于某个节点的所有子节点其概率(权重)相加应当等于1。按照原来MaxMin算法的思路【详情查看MaxMin算法】，还应当在Max与Min层之间添加个“概率”层Chance，如果某节点是Max层，而子节点是Min层，那么Chance层就是Min 阅读详情

收录于

机器学习

当前文章被收录于：

机器学习

33 篇文章 3 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

详解高斯混合模型与EM算法详解高斯混合模型与EM算法详解高斯混合模型与EM算法高斯混合模型单高斯模型(Gaussian single model, GSM）一维高斯分布多维高斯分布混合高斯模型（Gaussian mixture model, GMM）混合高斯模型产生的原因直观理解高斯混合模型一维混合高斯模型二维空间3个高斯模型混合极大似然估计(Maximum Likehood Estimate, MLE)（最大化对数似然... 阅读详情

相关推荐

极大似然估计与EM算法-----机器学习

极大似然估计极大似然估计是概率论与数理统计中的内容，个人对极大似然估计的印象是根据样本求参数，求样本符合哪种参数假设，所以极大似然估计是要假设数据的总体分布，要不然我们估计的到底是什么分布函数的参数呢。我们接下来举例子，用尽量通俗易懂的方式来理解。例子1：我们用扔硬币的方式来理解极大似然估计，一般来说，一枚硬币的两面“花”和“字”出现的次数都是相等的。现在我们做实验，我们扔了100次硬币，...

Lavender-csdn的博客 579

Qt5.15.2替换mingw32-make.exe为emmake

从项目->build->构建步骤可以看出，构建过程中先用qmake生成makefile，构建（make）过程用make和前面产生的makefile生成目标程序的exe或者其他。（这是qmake的工作，可以在.pro中用message($$CONFIG)来查看CONFIG变量的内容，qt生成一个Makefile就会输出一遍message内容，如果同时生成debug和release的makefile，message的内容就会在qt creator的概要信息窗口输出显示两遍，可以通过在message前加“!

u012151242的博客 719

基于EM算法(Expectation-Maximization)的GMM高斯混合模型matlab仿真

EM算法是一种迭代算法，用于含有隐变量的概率模型参数的极大似然估计，或极大后验概率估计。EM算法的每次迭代由两步组成：E步，求期望；M步，求极大。所以被称为期望极大算法。EM算法解决这个的思路是使用启发式的迭代方法，既然我们无法直接求出模型分布参数，那么我们可以先猜想隐含数据（EM算法的E步），接着基于观察数据和猜测的隐含数据一起来极大化对数似然，求解我们的模型参数（EM算法的M步)。由于我们之前的隐藏数据是猜测的，所以此时得到的模型参数一般还不是我们想要的结果。

平时工作较为繁忙,私信消息一般晚上回复,谢谢大家~~ 482

排队论游乐场的游乐项目_使用WebAssembly升级命令行游乐场

排队论游乐场的游乐项目 WebAssembly （Wasm）是一种专为Web设计的新型低级语言。其主要目标是使开发人员能够将用其他语言（例如C，C ++和Rust）编写的代码编译到WebAssembly中，并在浏览器中运行该代码。在传统上一直是JavaScript唯一选择的环境中，WebAssembly是一个吸引人的对等物，它可以实现可移植性以及对本机运行时的承诺。 WebAssembly也...

cumo7370的博客 411

51单片机STC8G1K08驱动ws2812记录

使用51单片机控制17个2812灯，这里选择STC8芯片，最大频率可以达到35M，参考网上的各种文章案例，使用定时器做的时候实测做不到规格书要求的245-345ns，STC8G1K08不带PWM，所以只能使用nop来做，好在单片机在这里只有做编程灯的功能，省略测试过程，下面是程序，使用的是24MHz内部晶振 //设置一个灯珠 void SendOnePix(unsigned char *ptr) { unsigned char i,j; unsigned char temp; fo...

的博客 7320

YOLOv8中间特征层可视化

在通过观察这些特征，可以清楚地看到模型如何逐步将输入图像转化为有意义的表示。

weixin_45314480的博客 6890

对抗搜索，极小极大/期望最大化搜索

qq_58250986的博客 679

F5高可用HA配置详情

F5 HA详细配置

weixin_45843944的博客 3025

emcc、emcmake区别

对比项使用难度简单，适合初学者复杂，需熟悉 CMake适用项目小型、教学、演示中大型、工程化项目构建控制有限，只能通过命令行参数调整完全可控，可通过 CMakeLists 定制依赖管理自动处理需手动配置依赖路径可移植性差强（跨平台）是否需要 HTML 输出默认生成视 CMake 配置而定。

以爱护甲,爱满枫林。 803

广州吉欧电子科技有限公司安卓开发工程师岗位 - 技术核心、职责详解与面试指南

广州吉欧电子科技有限公司招聘安卓开发工程师，该岗位可接收优秀应届生。岗位职责包括：1）负责安卓应用架构设计与开发，确保稳定性和可扩展性；2）功能模块编码实现与测试；3）性能优化与用户体验提升；4）后端接口对接；5）系统版本适配；6）用户反馈处理迭代；7）特殊要求熟悉RTK高精度定位技术原理及使用。该岗位要求扎实的安卓开发技术、良好的架构设计能力、性能优化经验，以及特定领域的RTK专业知识，是一个技术全面且具有专业特色的开发岗位。

郑伟强dev的专栏 154

「UG/NX」多功能dll集成一个dll的三种方法

C++多功能集成一个dll的三种方法。

何曾参静谧的博客 1390

#通俗理解# 从极大似然估计（MLE）到最大期望（EM）算法

顾名思义，最大期望算法就是让某个函数的期望最大化从而得到最优参数，首先我们先要了解期望的公式：期望本质上就是根据随机变量的分布对函数值的加权求和，平均值是期望的一种特殊形式，平均值假设随机变量取到每种值得概率相同（均分分布） EM算法一般用来求解混合模型的参数，因为混合模型一般是多个不同参数模型的加权和，这种形式很难通过导数为零的方法得到每个参数的解析解； EM算法思想是让多个模型对应的似然函数同时最大化；在进一步说，EM算法有两部分参数：一部分是混合模型中各模型的权重参数，我们这里称之为隐变量Z；一

lch551218的博客 4166

Android CCodec (十一) Codec2Buffer BufferPool分析

1、序言 2、C2BlockPool分析 3、SimpleC2Component关于BlockingBlockPool的实现 4、总结

给大佬递杯卡布奇诺的博客 4022

浅谈EM算法的两个理解角度

最近在写毕业论文，由于EM算法在我的研究方向中经常用到，所以把相关的资料又拿出来看了一下，有了一些新的理解与感悟。在此总结一下。EM算法即“期望极大算法”。学过机器学习的朋友都知道EM算法分两步：E步求期望，M步求极大。但是期望是求谁的期望，极大是求谁的极大呢？这里面其实有两种解读角度。“通俗”角度通俗角度的话，求极大肯定是求似然函数的极大了，而且一般都是对数似然。我们一般解决模型参数求解问题，都是

njustzj001的专栏 9416

汇川H5U PLC 实现直线插补、圆弧插补、直线圆弧混合连续插补

使用汇川H5UPLC实现直线插补，圆弧插补，直线圆弧混合路径插补，通过示教可以走出复杂的路径，仅供参考学习。

weixin_39832501的博客 4783

31、自然语言生成中的流畅度评估

本博客探讨了自然语言生成（NLG）中流畅度评估的重要性和方法。文章详细介绍了流畅度的定义及其影响因素，包括句法结构、词汇选择、语义一致性和段落组织。同时，讨论了自动评估和人工评估两种主要方法，并以机器翻译、自动摘要和对话系统为例分析了流畅度评估的应用场景。最后，文章提出了提升流畅度的技术策略以及未来研究方向，为相关领域的研究者和开发者提供了有价值的参考。

h9j8k7l6m5n的博客 274

机器学习基础 EM算法

EM算法也称期望最大化（Expectation-Maximum,简称EM）算法。它是一个基础算法，是很多机器学习领域算法的基础，比如隐式马尔科夫算法（HMM）等等。EM算法是一种迭代优化策略，由于它的计算方法中每一次迭代都分两步，所以算法被称为EM算法（Expectation-Maximization Algorithm）。EM算法受到缺失思想影响，最初是为了解决数据缺失情况下的参数估计问题，其算法基础和收敛有效性等问题在Dempster、Laird和Rubin三人于1977年所做的文章《Maximum l

mengxianglong123的博客 2515

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候提示IE WebControls 不通过，这个工具可以欺骗u8的检查。跳过U8环境检测的IE WebControls。提示导入失败后，重新检测通过。

【2019.11.27】EM算法详细推导

EM算法无隐变量下，极大似然函数为： L(θ)=∏iP(xi;θ) L(\theta) = \prod_iP\left(x^{i};\theta\right) L(θ)=i∏P(xi;θ) 含隐变量时候，变为： L(θ,z)=∏i∑jP(xi,zi;θ)L(\theta,z)=\prod_i\sum_jP(x^{i},z^{i};\theta)L(θ,z)=i∏j∑P(xi,zi;θ) 取...

sailist的记录站 590

NTscan扫描工具

ntscan是一个扫描器，可以扫描没有密码和弱密码的共享，先到配置文件中填写猜测的用户名和密码，扫描过程中右侧出现的是扫描日志。

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等，可在创建的窗口进行控制

EM算法的两种理解角度

最近在学习机器学习这门课，目前学到了EM算法的部分。在网上看到了一些人比较好的理解。在此记录下来 EM算法即“期望极大算法”。学过机器学习的朋友都知道EM算法分两步：E步求期望，M步求极大。但是期望是求谁的期望，极大是求谁的极大呢？这里面其实有两种解读角度。 “通俗”角度通俗角度的话，求极大肯定是求似然函数的极大了，而且一般都是对数似然。我们一般解决模型参数求解问题，都是在给定数据的情

wjlwangluo的博客 621

efm32 入门.pdf

本PDF共计22页，介绍的是操作驱动API，下载与否自己斟酌。

机器学习——EM算法

总的来说：极大似然估计就是用来评估模型参数的统计学方法。

醋酸洋红的博客 146

EM算法的公式详细推导

...

I_AM_V_MAN的博客 570

Task3 EM算法

Task3 EM算法 https://blog.youkuaiyun.com/randompeople/article/details/93711747 EM算法是机器学习十大算法之一，它很简单，但是也同样很有深度，简单是因为它就分两步求解问题， E步：求期望（expectation） M步：求极大（maximization) 深度在于它的数学推理涉及到比较繁杂的概率公式，这篇博客已经很详细的介绍了EM算法的...

weixin_44424296的博客 263

Machine-Learning：第3章 EM算法

第3章 EM算法本章思维导图本章内容概要前言EM算法引入EM算法推导逼近证明收敛高斯混合分布混合高斯分布模型E步主要计算内容M步主要计算内容本章思维导图（待更新）本章内容概要前言 EM算法是机器学习十大算法之一，它很简单，但是也同样很有深度，简单是因为它就分两步求解问题， E步：求期望（expectation） M步：求极大（maximization) 深度在于它的数学推理涉及到...

sinat_38059712的博客 550

em算法详细例子及推导_第九章-EM算法

从第九章开始，学习总结的东西有所不同了，第2-8章是分类问题，都属于监督学习，第9章EM算法是非监督学习。本文主要是总结EM算法的应用以及处理问题的过程和原理推导。EM算法EM算法(期望极大算法 Expectation Maximization Algorithm)是一种迭代算法。当我们面对概率模型的时候，既有观测变量，又含有隐变量或者潜在变量。如果概率模型的变量都是观测变量，那么给定数据，可以直...