在补ml基础的时候,突然感觉自己对于EM算法有些遗忘,所以在这里再回忆一下,顺便再学一下老师提过好多次的混合高斯模型
EM算法
简单解释,分为E步estimation和M步maxmization两步
这里直接用两个例子记性解释
例子来源
知乎-人人都懂EM算法
例子1
混合高斯模型
来源:详解em算法与高斯混合模型
理论上,混合高斯模型的概率密度函数曲线可以是任意形状的非线性函数。
在补ml基础的时候,突然感觉自己对于EM算法有些遗忘,所以在这里再回忆一下,顺便再学一下老师提过好多次的混合高斯模型
简单解释,分为E步estimation和M步maxmization两步
这里直接用两个例子记性解释
例子来源
知乎-人人都懂EM算法
来源:详解em算法与高斯混合模型
理论上,混合高斯模型的概率密度函数曲线可以是任意形状的非线性函数。