EM 算法(Expectation-Maximization algorithm, EM)
1. 相关的基本概念
似然函数:
L(θ)=L(x1,...,xn;θ)=∏i=1np(xi;θ),θ∈ΘL(\theta) = L(x_1, ..., x_n ; \theta) = \prod_{i =1}^{n}p(x_i;\theta), \theta \in \ThetaL(θ)=L(x1,...,xn;θ)=i=1∏np(xi;θ),θ∈Θ
上述概率密度函数称为参数θ\thetaθ相对于样本集xxx的似然函数(Likehood function),记作L(θ)L(\theta)L(θ
原创
2020-07-28 17:04:56 ·
200 阅读 ·
0 评论