《统计学习方法,李航》:9、EM算法及其推广(2)

本文深入探讨了EM算法及其在高斯混合模型中的应用,包括参数估计过程、E步和M步的详细解释,并简要介绍了GEM算法的推广。文章重点阐述了如何使用EM算法解决高斯混合模型参数估算问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1)EM算法的引入

2)EM算法及简单解释


3)EM算法在高斯混合模型中的应用

4)EM算法的推广——GEM算法



3)EM算法在高斯混合模型中的应用

EM算法的重要应用是高斯混合模型的参数估计。

先给出高斯混合模型:

下面介绍利用EM算法估算高斯混合模型的参数theta:

-)先明确一下目标:

a)明确隐含变量,写出完全数据(直接变量+隐含变量)的对数似然函数:

b)E步:确定Q函数


c)M步:极大化Q函数

最后总结一下高斯混合模型参数估算的EM算法:


4)EM算法的推广——GEM算法

参考原书P166-P169,不再给出。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值