EM算法

EM算法用于处理含有隐含变量的概率模型的极大似然估计。通过E步和M步不断迭代,E步计算隐含变量的分布,M步更新参数,直至收敛。对数似然函数和Json不等式在求解过程中起到关键作用。
摘要由CSDN通过智能技术生成

1.概念

概率模型有时候会包含隐含变量,当包含隐含变量时,不能简单地使用极大似然估计直接求解,这时候就需要用到EM算法。EM算法是一种从含有隐含变量的数据中求解极大似然估计的方法。
对数似然函数为:
这里写图片描述
其中, Z(i) Z ( i ) 是隐含变量的值。

2.求解

为了求解上述对数似然函数,引入隐含变量Z的分布 Qi Q i
Qi Q i 满足的条件为:
这里写图片描述
这样,上述对数似然函数变成:
这里写图片描述
这个公式的求解用到了Json不等式,如下:
如果

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值