高斯混合模型学习笔记

最新推荐文章于 2025-09-24 21:11:26 发布

原创

最新推荐文章于 2025-09-24 21:11:26 发布 · 6.3w 阅读

·

23

·

CC 4.0 BY-SA版权

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。

文章标签：

#高斯混合模型 #GMM #k-means

本文介绍了高斯混合模型（GMM）及其与单高斯模型（SGM）的区别，详细阐述了GMM的参数估计过程，包括EM算法的E步和M步。同时，还讲解了K-means算法的聚类步骤和收敛条件，帮助理解两种不同的数据建模方法。

0 预备知识

l 设离散型随机变量X的分布律为

则称为X的数学期望或均值

l 设连续型随机变量X的概率密度函数（PDF）为

其数学期望定义为

l 称为随机变量X的方差，称为X的标准差

l 正态分布 ~

概率密度函数

l 设（X, Y）为二维随机变量，若存在，则称其为随机变量X和Y的协方差，记为

最低0.47元/天解锁文章

评论 7

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。