ai讲师人工智能讲师叶梓《人工智能概念入门》机器学习深度学习讲师-18结束

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37-38页）

Python实现的EM

u 初始: [ 0.25447717 0.37797047]

u  0 [ 30.21943889 30.68531621]

u  1 [ 29.58857672 31.34010044]

u  2 [ 27.31817518 33.61036792]

u  3 [ 22.6182324 38.29831566]

u  4 [ 20.61652483 40.22624926]

u  5 [ 20.42627448 40.36824007]

u  6 [ 20.4065447 40.36767757]

u  7 [ 20.40190728 40.36422475]

u  8 [ 20.40024789 40.36268087]

u  9 [ 20.39960126 40.3620604 ]

u  10 [ 20.39934607 40.36181444]

u  11 [ 20.39924517 40.36171713]

u  12 [ 20.39920526 40.36167865]

 

 

EM算法的解释及缺点

u EM算法的直观解释是：

u 如果缺失数据是已知的，就可以利用已知的完全数据处理技术对模型的未知参数进行估计。

u 如果模型的参数已知，根据模型我们可以推导出缺失数据的值。

u EM主要不足：

u 收敛速度慢

u 算法高度依赖初始值的选择

 

（结束）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

————————————————