课件为人工智能讲师叶梓人工智能基础课程之一,接上一篇,更多课程,及老师资料可点击 个人主页
(人工智能基础课件31页)
EM手算示例
如果取哪一枚硬币是不可观测的,
通过初始参数计算分布:
0.6^9*0.4^1/(0.6^9*0.4^1+0.5^10)=0.805
0.6^4*0.4^6/(0.6^4*0.4^6+0.5^10)=0.352
0.6^8*0.4^2/(0.6^8*0.4^2+0.5^10)=0.733
(32页)
EM示例的解释
- 隐变量Z为每次实验中选择A或B的概率,则第一个实验选择A的概率为
- 按照上面的计算方法可依次求出隐变量Z,然后计算极大化的θ(i)。
3、经过10次迭代,最终收敛。
(33页)
EM的另一个例子——GMM
- 给定一些观察数据y,假设y符合如下的高斯分布
2、需要求出混合高斯分布的三组参数
3、下图中的GMM,一共有K个分布函数
对于每一个观察到的样本y,如果知道它属于K中的哪个分布,那么求它的这些参数就比较容易。
(未完,下一篇继续)课件为人工智能讲师叶梓人工智能基础课程之一,接上一篇,更多课程,及老师资料可点击 个人主页
由于小编专业能力有限,无法将老师课件编辑成文章。供一定基础的同学将系列课件下载整理
————————————————