摘要： 期望最大化算法（EM 算法） 混合模型、隐变量模型参数（最大似然或MAP）的通用迭代算法 E 步：评估责任 \(r_{nk}\)（计算数据点 n 属于混合分量 k 的后验概率） M 步：使用更新后的责任 \(r_{nk}\) 重新估计参数 \(\mu_k,\ \Sigma_k,\ \pi_k\) E 阅读全文

摘要： STEP 3：更新 均值 \(\mu_k,\ k=1,2,...,K\) 更新 GMM 的均值参数 \(\mu_k,\ \ k=1,2,...,K\) 通过责任 \(r_{nk}\) 更新，依赖于所有均值 \(\mu_k\)、协方差矩阵 \(\Sigma_k\)、混合权重 \(\pi_k\)，因此无 阅读全文