机器学习算法拾遗：（六）EM算法与高斯混合模型

基础：EM算法和高斯混合模型、EM算法 EM算法是一种迭代算法，用于含有隐变量的概率模型的极大似然估计，或者说是极大后验概率估计。 1、EM算法 EM算法的具体流程如下： 　　输入：观测变量数据Y，隐变量数据Z，联合分布P(Y, Z|θ)，条件分布P(Z|Y, θ) 　　输出：模型参数θ 　　1）选择参数θ的初始值θ(0)，开始迭代 　　2）E步：记θ(i)次迭代参数为θ的估计值，在第i+1次迭代

>>阅读原文<<