1.通常的算法 ,n个参数,通过最后的 观测值,偏导的形式进行参数学习拟合
2.有一种情况,存在 隐状态的情况下,无法直接进行拟合 ,由带有隐状态的全概率 公式可知
整体概率公式
取log
很难直接求
就利用 em算法,迭代逼近最佳值
隐变量和自变量,随机自变量 初始化,根据观测值,利用极大似然求隐变量
如此循环 求隐变量和自变量
1.通常的算法 ,n个参数,通过最后的 观测值,偏导的形式进行参数学习拟合
2.有一种情况,存在 隐状态的情况下,无法直接进行拟合 ,由带有隐状态的全概率 公式可知
整体概率公式
取log
很难直接求
就利用 em算法,迭代逼近最佳值
隐变量和自变量,随机自变量 初始化,根据观测值,利用极大似然求隐变量
如此循环 求隐变量和自变量