EM算法:Expectation-Maximization
2013-02-01 20:55
357 查看
目标:找出有隐形变量的概率模型的最大可能性解。
它分为两个过程:E-step和M-step
1.E-step:通过最初假设或上一步得出的模型参数得到后验概率;
2.M-step:重新算出模型的参数。
重复这两个过程直到目标函数值收敛。
EM算法即期望值最大算法,被誉为是数据挖掘的十大算法之一,它是在概率模型中寻找参数最大似然估计的算法。其中概率模型依赖于无法观测到的隐变量。最大期望算法经过两个步骤交替进行计算,第一步是计算期望E,也就是将隐藏变量像能够观测到的一样包含在内,从而计算最大似然的期望值。另外一步是最大化M,也就是最大化在E步上找到的最大似然的期望值,从而计算参数的最大似然估计。
M步上找到的参数然后用于另外一个E步计算,这个过程不断交替计算。对于信息确实的数据来说,EM算法是一种极有效的工具。
它分为两个过程:E-step和M-step
1.E-step:通过最初假设或上一步得出的模型参数得到后验概率;
2.M-step:重新算出模型的参数。
重复这两个过程直到目标函数值收敛。
EM算法即期望值最大算法,被誉为是数据挖掘的十大算法之一,它是在概率模型中寻找参数最大似然估计的算法。其中概率模型依赖于无法观测到的隐变量。最大期望算法经过两个步骤交替进行计算,第一步是计算期望E,也就是将隐藏变量像能够观测到的一样包含在内,从而计算最大似然的期望值。另外一步是最大化M,也就是最大化在E步上找到的最大似然的期望值,从而计算参数的最大似然估计。
M步上找到的参数然后用于另外一个E步计算,这个过程不断交替计算。对于信息确实的数据来说,EM算法是一种极有效的工具。
相关文章推荐
- EM算法学习(Expectation Maximization Algorithm)
- EM算法(Expectation Maximization Algorithm)详解
- EM算法(Expectation Maximization Algorithm )
- EM算法(Expectation Maximization Algorithm)
- EM算法学习(Expectation Maximization Algorithm)
- EM算法(Expectation Maximization Algorithm)
- 机器学习小组知识点20:EM算法(Expectation - Maximization)
- EM算法(expectation maximization algorithm)
- EM算法学习(Expectation Maximization Algorithm)
- EM算法(Expectation Maximization Algorithm)
- EM算法(Expectation - Maximization)通俗实例(What is the expectation maximization algorithm?)
- EM算法-expectation-maximization
- OpenCV(3)ML库->Expectation - Maximization 算法
- R语言聚类算法之期望最大化聚类(Expectation Maximization Algorithm)
- EM (Expectation-Maximization) Algorithm
- Expectation-Maximization(EM) 算法
- 2017年2月23日 Expectation Maximization in Gaussian Mixture Model
- What is the expectation maximization algorithm?
- EM(Expectation-Maximization)算法的浅显理解
- EM算法(Exception Maximization Algorithm)介绍