em算法 实例 正态分布_科学网—EM 算法一个例子 - 高建召的博文

本文通过一个硬币翻转的例子详细解释了EM算法的工作原理。硬币有两种状态,对应不同正态分布。文章通过R语言模拟数据,并逐步展示如何用EM算法估计分布参数和隐变量的概率,揭示了算法如何逐步收敛到真实值附近。
摘要由CSDN通过智能技术生成

EM 算法一个例子   EM in R

参考以下网页并翻译,其中变量稍作修改。

假设: 有一枚硬币,以25%的概率面朝上(heads), 75%的概率面朝下(tails).

如果面朝上,服从均值为1,标准方差为1 的正态分布,记为分布1;

如果面朝下, 服从均值为7, 标准方差为1的正态分布,记为分布2。

在该问题中, 硬币什么时候服从分布1,什么时候服从分布2就是隐变量。即 (p1,p2)

(1)#先模拟数据

set.seed(123)

p1=0.25

x

for (i in 1:1000)

{

if (runif(1)

{x[i]

y[i]

else

{x[i]

y[i]

}

(2)目前有是三个部分:

1.观察数据 x.

2.正态分布的参数mu,sd(均值,标准方差)  记为  theta=(mu1,mu2,sd1,sd2)

3. 隐变量(混合概率)记为 Z=(p1,p2)

(3)EM算法:

1. 给定当前的参数和观察数据,估计隐变量

2.给定        隐变量和观察数据,估计参数。

(3-1)E步

为了使得问题简单,假设我们已知两个正态分布的标准方差都是1.那么未知参数就是两个均值。此时 参数theta=(mu1,mu2)

我们先 给定参数 theta(mu

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值