统计学习方法(第二版) 第九章 EM算法及其推广(第二节)
发布时间
阅读量：
阅读量
本节主要介绍EM算法在高斯混合模型学习中的应用，以及广义EM算法。
为了方便阅读理解在书中添加了注释。
目录
前言
一、EM算法在高斯混合模型学习中的应用
二、EM算法的推广
总结
前言
上一节简单介绍了EM算法的思想，以及EM算法背后数学原理的支撑。回顾EM算法是迭代算法，有两个步骤首先是E步：根据设定的参数及结果算出隐变量的期望。其次是M步：此步也称为最大化步，根据所得的隐变量的期望，利用极大似然估计计算出下一组迭代参数，反复进行最后直到模型收敛。
本节根据EM算法在高斯混合模型学习中的应用，和广义EM算法，有了上一节的基础这节学起来会轻松许多。
一、EM算法在高斯混合模型学习中的应用
二、EM算法的推广
总结
全部评论 (0)
还没有任何评论哟~