EM算法思想
是:迭代优化。
有目标函数,也有参数变量(可以有多个),但是隐含了一个类别变量。
主要求解过程就是:确定参数变量,来估计隐含类别(使目标函数向优化的方向进行);再确定隐含类别,来估计参数变量
(使目标函数向优化的方向进行)
。这个过程不断循环进行,最后达到目标函数的最优!
算法原理部分只要看完以下几篇文章,基本上可以很系统、形象地理解
1. 从MLE到EM算法:
2. Rachel Zhang专栏
(包含了一些必要的知识点:1. 凸集,凸函数,凹集,凹函数的概念 ;
2. Jensen's inequality ;
3. EM算法两步迭代过程与收敛性证明)
3. K-means 的EM思想:
4. 混合高斯模型(Mixtures of Gaussians)和EM算法
5. 混合高斯模型(男女身高参数估计)的程序代码