西昌手机网站建设成都彩钢顶防水,国色天香站长工具,网页设计与制作试卷分析报告,如何快速优化网站文章目录 前言参数分析 前言
EM算法广泛用于含有隐藏变量的模型的极大似然估计。 参考#xff1a;
文曲经典#xff1a;统计学习方法-李航
参数分析 θ [ P ( z 1 ∣ x ) , P ( z 2 ∣ x ) , ⋯ , P ( z m ∣ x ) , P ( y 1 ∣ z 1 , x ) , P ( y 2 ∣ z 1 , x ) , ⋯ , … 文章目录 前言参数分析 前言
EM算法广泛用于含有隐藏变量的模型的极大似然估计。 参考
文曲经典统计学习方法-李航
参数分析 θ [ P ( z 1 ∣ x ) , P ( z 2 ∣ x ) , ⋯ , P ( z m ∣ x ) , P ( y 1 ∣ z 1 , x ) , P ( y 2 ∣ z 1 , x ) , ⋯ , P ( y n ∣ z 1 , x ) , P ( y 1 ∣ z 2 , x ) ⋯ , P ( y k ∣ z m , x ) ⋯ , P ( y n ∣ z m , x ) ] \begin{align*} \theta[P(z_1|x),P(z_2|x),\cdots,P(z_m|x),P(y_1|z_1,x),\\ P(y_2|z_1,x),\cdots,P(y_n|z_1,x),P(y_1|z_2,x)\cdots,P(y_k|z_m,x)\cdots,P(y_n|z_m,x)] \end{align*} θ[P(z1∣x),P(z2∣x),⋯,P(zm∣x),P(y1∣z1,x),P(y2∣z1,x),⋯,P(yn∣z1,x),P(y1∣z2,x)⋯,P(yk∣zm,x)⋯,P(yn∣zm,x)] 即EM算法中的参数其实就是到中间变量的条件概率和从中间变量到类别标签y的条件概率。
