机器学习之EM算法
文章目录 1、知道先验概率和后验概率 2、了解高斯混合模型GMM 3、通过最大似然估计推导EM算法的过程的实例 4、EM算法 5、知道pLSA模型 1、知道先验概率和后验概率 先验概率（prior probability）是指根据以往经验和分析得到的概率（理解为自定义概率）。而后验概率是在考虑了一个事实之后的条件概率。 2、了解高斯混合模型GMM EM是K-means的推广 以下的两个问题都是属于
相关文章
- 1. 机器学习-算法-EM
- 2. 机器学习：EM算法
- 3. 【机器学习】EM算法
- 4. 机器学习----EM算法
- 5. 机器学习——EM算法
- 6. 机器学习 EM算法
- 7. 【机器学习】- EM算法
- 8. 机器学习之EM算法
- 9. 机器学习系列之EM算法
- 10. [六]机器学习之EM算法
- 更多相关文章...
- • 您已经学习了 XML Schema，下一步学习什么呢？ - XML Schema 教程
- • 我们已经学习了 SQL，下一步学习什么呢？ - SQL 教程
- • Kotlin学习（一）基本语法
- • Tomcat学习笔记（史上最全tomcat学习笔记）
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 机器学习-算法-EM
- 2. 机器学习：EM算法
- 3. 【机器学习】EM算法
- 4. 机器学习----EM算法
- 5. 机器学习——EM算法
- 6. 机器学习 EM算法
- 7. 【机器学习】- EM算法
- 8. 机器学习之EM算法
- 9. 机器学习系列之EM算法
- 10. [六]机器学习之EM算法