机器学习高斯混合模型：聚类原理分析（前篇）

带出请点击上面公众号，免费订阅。　

交流思想，注重分析，更注重通过实例让您通俗易懂。包含但不限于：经典算法，机器学习，深度学习，LeetCode 题解，Kaggle 实战。期待您的到来！

01

—

回顾

近几天，分析了期望最大算法的基本思想，它是用来迭代求解隐式变量的利器，我们举例了两地的苹果好坏分布为例来求解隐式参数，苹果的出处，进而求出烟台或威海的苹果好坏的二项分布的参数：好果的概率。关于二项分布和离散式随机变量的基础理论知识，请参考：

机器学习储备（11）：说说离散型随机变量

机器学习储备（12）：二项分布的例子解析

注意在求解烟台或威海的好果概率这个分布参数时，我们在每个迭代时步求解了苹果来自于哪里的概率（这是一个隐变量），这个来自于哪里的概率，不就是一个聚类的操作吗，还记得怎么求得这个来自哪里的概率吗？

P_yan= PA/(PA + PB)