EM算法及其推广-expectation maximization algorithm

最新推荐文章于 2024-10-27 06:14:16 发布

emmmxuan

最新推荐文章于 2024-10-27 06:14:16 发布

阅读量274

点赞数

CC 4.0 BY-SA版权

分类专栏： Machine Learning 文章标签： Machine Learning Machine Learning

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/qq_36341799/article/details/83350758

Machine Learning 专栏收录该内容

8 篇文章

订阅专栏

本文介绍了一种迭代算法——期望最大化（EM）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算法在统计学中扮演着重要角色，尤其在处理不完全数据集时。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

WIKI

In statistics, an expectation–maximization (EM) algorithm is an iterative method to find maximum likelihood or maximum a posteriori (MAP) estimates of parameters in statistical models, where the model depends on unobserved latent variables.

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

注意点

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。