EM算法，高斯混合模型（GMM）

  目录 1.EM算法 2、高斯混合模型（GMM） 3.GMM和k-means　　 1.EM算法 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次迭代的E步，计算（基于当前求得的模型参数θ猜测隐变量的期望值

>>阅读原文<<