EM(Expectation-Maximization)算法的浅显理解
2016-05-16 15:14
302 查看
EM算法
E步;估计隐含变量M步:估计其他参数
交替迭代以上两步,将似然函数的极值推向最大。
以下两篇博客写的比较好:
http://www.cnblogs.com/jerrylead/archive/2011/04/06/2006936.html
http://blog.csdn.net/zouxy09/article/details/8537620
补充:参数估计法里面的最大似然估计法的理解
执果索因。在里面有个理论就是,抽取一次样本,则抽到的这个样本发生的概率为最大。现在抽取N个样本,就认为这N个样本是在总体中发生概率最大的。把这些概率乘起来就是似然函数。假设我们知道这些样本是符合某个均值和方差的正态分布。现在要做的就是求得这个使得似然函数的值达到最大的均值和方差。求函数的极大值的方法,先求导,把导数置为0,就可以求得均值和方差的估计值。
相关文章推荐
- linux 下 iozone随机读写测试报错: error reading block
- 云时代的编程模式
- IOS5中的addChildViewController
- kubernetes 留言版DEMO
- MySQL内存----使用说明全局缓存+线程缓存) 转
- NSDatePicker && NSDate
- 【leetcode】172. Factorial Trailing Zeroes
- Yocto tips (20): Yocto中qemu模拟器的使用,以zynq Cortex-A9为例
- ClassLoader
- 移动应用崩溃收集
- P1024
- php中mysql参数化查询
- hive索引
- OC语言笔记(一):OC程序解释
- sort b
- XCode调试技巧–设置全局断点快速定位问题代码所在行
- Linux下tomcat问题1
- Autolayout之 关于+requiresConstraintBasedLayout方法作用
- IOS开发—通过ChildViewController实现view的切换
- lintcode ----比较字符串