【EM算法】在高斯混合模型中的应用及python示例

1、EM算法 EM算法是一种迭代算法，用于含有隐含变量的几率模型参数的极大似然估计。设Y为观测随机变量的数据，Z为隐藏的随机变量数据，Y和Z一块儿称为彻底数据。python 观测数据的似然函数为：算法 模型参数θ的极大似然估计为：dom 这个问题只有经过迭代求解，下面给出EM算法的迭代求解过程：函数 step一、选择合适的参数初值θ(0)，开始迭代spa step二、E步，求指望。θ(i)为第i次

>>阅读原文<<