【em算法原理】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）！
文章插图
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） 。最大期望经常用在机器学习和计算机视觉的数据聚类（DataClustering）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 。
推荐阅读
- 备孕有哪些受孕技巧
- 孕期糖耐检查多少正常值是多少
- 莴笋汤的做法有哪些
- 平安树冬天用浇水吗？
- 拜年的来历
- 孕妇怀孕五周hcg多少正常
- 剪映字幕不支持韩语吗？
- 剪映缓存大小可以删除吗？
- 剪映教程和视频号赚钱吗？
- 剪映能添加马赛克吗？