EM算法
摘要:
Expectation Maximization AlgorithmEM算法是一种在存在不完整数据情况下,广泛使用进行最大似然估计的迭代算法,具体来讲在统计中被用于寻找,依赖于不可观察的隐性变量的概率模型中,参数的最大似然估计。通常分为两个步骤,Expectation-step 和 Maximization-step。在期望过程中,通常是使用现有的参数对数据的不完整部分进行填充;而在最大化的过程中,则是利用期望过程的结果对各个参数进行重新估计。EM算法逐步改进模型的参数,使参数和训练样本的似然概率逐渐增大,最后终止于一个极大点。eg1:使用EM算法进行贝叶斯文本分类时,重复E-step和M-s 阅读全文
posted @ 2013-02-25 16:23
驼浪
阅读(235)
评论(0)
推荐(0)