2019年2月19日
转:EM算法总结
摘要： https://applenob.github.io/em.html EM算法总结 在概率模型中，最常用的模型参数估计方法应该就是最大似然法。 EM算法本质上也是最大似然，它是针对模型中存在隐变量的情况的最大似然。 下面通过两个例子引入。 没有隐变量的硬币模型 假设有两个硬币，AA和BB，这两个硬币 阅读全文
posted @ 2019-02-19 17:59 Django's blog 阅读(132) 评论(0) 推荐(0) 编辑
EM算法总结
摘要： https://applenob.github.io/em.html EM算法总结 在概率模型中，最常用的模型参数估计方法应该就是最大似然法。 EM算法本质上也是最大似然，它是针对模型中存在隐变量的情况的最大似然。 下面通过两个例子引入。 没有隐变量的硬币模型 假设有两个硬币，AA和BB，这两个硬币 阅读全文
posted @ 2019-02-19 17:58 Django's blog 阅读(201) 评论(0) 推荐(0) 编辑
如何感性地理解EM算法？
摘要： https://www.jianshu.com/p/1121509ac1dc 如果使用基于最大似然估计的模型，模型中存在隐变量，就要用EM算法做参数估计。个人认为，理解EM算法背后的idea，远比看懂它的数学推导重要。idea会让你有一个直观的感受，从而明白算法的合理性，数学推导只是将这种合理性用更 阅读全文
posted @ 2019-02-19 17:52 Django's blog 阅读(271) 评论(0) 推荐(0) 编辑