![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
mybabyAnn
好记性不如烂笔头
展开
-
EM算法及其理解
1. EM算法是求解含有隐变量的极大似然估计参数的迭代算法。 2. 极大似然估计可以用梯度下降法求解,但是如果概率分布中含有隐变量的时候,先求和再求log,再求导很难。 3. 对于每一轮的迭代,先找到当前函数的一个下界函数,如果我们找到让下界函数达到最大的参数,那么这个参数也一定能让原函数增大;选取的这个下界函数有着很好的性质:先求log在求和,这样就比较好求导。 4. 理解这里...原创 2018-10-21 15:03:02 · 199 阅读 · 0 评论 -
tensor学习笔记
重要的函数 重要的概念原创 2018-11-13 10:03:47 · 144 阅读 · 0 评论