em算法原理 EM算法的思想

好酷屋教程网小编为您收集和整理了em算法原理 EM算法的思想的相关教程：在统计计算中，最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（LatentVariable）。最大期

在统计计算中，最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（Latent Variable）。最大期望经常用在机器学习和计算机视觉的数据聚类（Data Clustering）领域。

　　最大期望算法经过两个步骤交替进行计算。

　　第一步是计算期望（E），利用对隐藏变量的现有估计值，计算其最大似然估计值。

　　第二步是最大化（M），最大化在 E 步上求得的最大似然值来计算参数的值。

　　M 步上找到的参数估计值被用于下一个 E 步计算中，这个过程不断交替进行。

　　

以上就是好酷屋教程网小编为您收集和整理的算法,原理,标签,简介相关内容，如果对您有帮助，请帮忙分享这篇文章^_^

本文来源： https://www.haoku5.com/shenghuo/66fe07c0678b089b6201eb42.html

相关推荐