码迷,mamicode.com
首页 > 其他好文 > 详细

机器学习——EM

时间:2018-05-09 22:42:59      阅读:189      评论:0      收藏:0      [点我收藏+]

标签:算法   expect   全局最优   组成   aop   掌握   location   expec   方法   

整理自:

https://blog.csdn.net/woaidapaopao/article/details/77806273?locationnum=9&fps=1

EM算法是用于含有隐变量模型的极大似然估计或者极大后验估计,有两步组成:E步,求期望(expectation);M步,求极大(maxmization)。本质上EM算法还是一个迭代算法,通过不断用上一代参数对隐变量的估计来对当前变量进行计算,直到收敛。 
注意:EM算法是对初值敏感的,而且EM是不断求解下界的极大化逼近求解对数似然函数的极大化的算法,也就是说EM算法不能保证找到全局最优值。对于EM的导出方法也应该掌握。

机器学习——EM

标签:算法   expect   全局最优   组成   aop   掌握   location   expec   方法   

原文地址:https://www.cnblogs.com/helloworld0604/p/9016794.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!