EM算法及其推广

为什么80%的码农都做不了架构师？>>>   

本文是《统计学习方法》第九章的笔记，注解了原著的部分公式推导，补充了另一个经典的双硬币模型，并且注释了一份数十行的EM算法Python简明实现。如果概率模型的变量都是观测变量（数据中可见的变量），则可以直接用极大似然估计，或者用贝叶斯估计模型参数。但是，当模型含有隐变量（数据中看不到的变量）时，就不能简单地使用这些估计方法，而应该使用含有隐变量的概率模型参数的极大似然估计法，也即EM算法。EM算法的引入引入EM算法有两个常见的例子，一个是三硬币模型，一个是双硬币模型。《统计学习方法》介绍的是三硬币模型，本文...

继续阅读：码农场 » EM算法及其推广

原文链接：http://www.hankcs.com/ml/em-algorithm-and-its-generalization.html

转载于:https://my.oschina.net/hankcs/blog/684194