数据缺失情况下的参数估计

数据缺失情况下的参数估计 前言 前一篇讲到了参数估计， 其中会涉及到特征维数问题，类别间有差异的特征有助于分类，而特征太多又会造成计算和存储的困难，并且还会造成overfitting导致泛化性能不高。通常会添加正则化或进行特征降维或进行参数共享/平滑来防止过拟合。本章讨论的是在样本点的某些特征丢失的情况下如何进行分类的问题。 EM（expectation-maximization）算法 EM fo

>>阅读原文<<