- 博客(2)
- 资源 (1)
- 收藏
- 关注
原创 EM算法理解
看了很多文章,对这个概念总是理解的模模糊糊,今天把它摘抄并写出来,加深一下理解。EM算法,全称是Expectation maximization,期望最大化。摘抄了两位知乎大牛的解释—— 先来看看为什么需要EM算法以下是某知乎大牛的解释: 1 为什么需要EM算法? 我们遇到的大多数问题是这样的: A、已知一堆观测数据X B、和数据服从的统计模型然后利用数据来估计统计模型中的参数解决这个问题
2017-07-04 14:51:00 3713
原创 高斯混合模型——感性理解
一)、k-means与高斯混合模型的对比的不足:1)k-means的缺点在于,它是一个hard聚类的方法,比如有一个点任何一个聚类中心都不属于,但是算法仍然可能会把它强行划分到一个聚类中心去。对于一个点,它属不属于某个聚类中心的可能性是个属于(0,1)的整数值。 2)而高斯混合模型(Gaussian Mixture Model) 就是一种soft聚类的方法,它建立在一个重要的假设上,即任意形状的概
2017-07-03 18:57:02 2604
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人