>>>EM算法推导
下图的主要步骤是通过构造詹森不等式,将对期望的函数转化为函数的期望,也即将求期望的权值也即下图中的P(Z|X)移到log函数外面。log函数为凹函数,所以刚好期望的函数 要大于函数的期望,也即确定了下界。
>>>EM算法的步骤
>>>三硬币问题
>>>高斯混合模型的EM算法
>>>F函数和EM算法:EM算法中每次迭代只重新计算了θ,F函数每次迭代需要对θ和P(z)两个参数进行更新。
根据迭代的方式不同,F函数的极大极大算法分为三种
>>>EM算法推导
下图的主要步骤是通过构造詹森不等式,将对期望的函数转化为函数的期望,也即将求期望的权值也即下图中的P(Z|X)移到log函数外面。log函数为凹函数,所以刚好期望的函数 要大于函数的期望,也即确定了下界。
>>>EM算法的步骤
>>>三硬币问题
>>>高斯混合模型的EM算法
>>>F函数和EM算法:EM算法中每次迭代只重新计算了θ,F函数每次迭代需要对θ和P(z)两个参数进行更新。
根据迭代的方式不同,F函数的极大极大算法分为三种