【西瓜书笔记03】EM算法与混合高斯模型

时间 2020-12-30

原文原文链接

参考资料： 1.EM算法与混合高斯模型 2.高斯混合模型GMM及其EM算法解思路关键点： 1.强调混合高斯模型的表示方面，系数和为1，这是GMM模型的标志 2.为什么用EM算法来解GMM模型，而不是常见的最大似然算法？？答：这个问题的核心在于：最大似然算法的思路在于：我们已经知道样本集合中各个样本来自哪个高斯模型，要利用极大似然估计求解模型最重要的一步就是求出似然函数，即样本集出现的联合概

>>阅读原文<<

1. 高斯混合模型与EM算法
2. EM算法与高斯混合模型
3. EM算法混合高斯模型
4. EM算法+混合高斯模型
5. EM算法，高斯混合模型（GMM）
6. 高斯混合-EM算法
7. EM算法（高斯混合）
8. 混合高斯分布与 EM 算法
9. 高斯混合聚类与EM算法
10. EM算法与高斯混合分布
更多相关文章...
• XSD 混合内容 - XML Schema 教程
• ASP.NET MVC - 模型 - ASP.NET 教程
• Tomcat学习笔记（史上最全tomcat学习笔记）
• 委托模式