当前位置:主页 > bst365大陆投注 >

em算法原理

作者:365bet在线体育投注发布时间:2019-02-25 08:47

展开全部
在统计计算中,如果概率模型基于不可观察的隐藏变量,则最大期望值(EM)算法是用于找到参数的最大似然估计或最大后验估计的算法。。)
在用于机器学习和计算机视觉的数据分组(机器群集)领域中,经常使用最大期望值。
最大期望算法以两个步骤交替计算。第一步是计算预期值(E),并使用现有隐藏变量的估计值来计算最大似然估计值。最大值步骤E中找到的最大概率值用于计算参数的值。
步骤M中找到的参数估计值用于步骤E的下一次计算,这是交替进行的。
通常,EM算法的流程如下。
初始化分发参数2。
重复直到收敛:步骤E:估计未知参数的预期值并获得当前参数的估计值。
步骤M:重新估计分布参数以最大化数据的概率并获得未知变量的期望估计。

上一篇:创伤性棘突综合征

下一篇:凤凰黄百度第二季云资源下载完整版假凤凰第二

推荐新闻: