高斯混合模型简介
-
高斯混合模型从本质上来看就是多个高斯模型的加权平均,权重是隐变量z的概率分布
-
正是因为这个连加操作使得混合高斯模型的参数估计不能通过MLE直接得到闭式解,可以采用基于梯度的近似估计,但是EM算法更加优美,也更加适合
使用EM算法求解GMM
将EM中优化的公式进行带入,可以得到一个可以求得闭式解的形式,E步中假定
θ
t
+
1
\theta^{t+1}
θt+1固定,之后求解得
p
t
+
1
p^{t+1}
pt+1, 之后去求
θ
t
+
2
\theta^{t+2}
θt+2,之后更新p…就可以通过迭代法求解出参数了