当前位置：首页 > 百科 > 综合百科

em算法原理 em算法原理 与案例

来源： 最后更新：22-06-17 10:46:39

在统计计算中，最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（Latent Variable）。最大期望经常用在机器学习和计算机视觉的数据聚类（Data Clustering）领域。

　　最大期望算法经过两个步骤交替进行计算。

　　第一步是计算期望（E），利用对隐藏变量的现有估计值，计算其最大似然估计值。

　　第二步是最大化（M），最大化在 E 步上求得的最大似然值来计算参数的值。

　　M 步上找到的参数估计值被用于下一个 E 步计算中，这个过程不断交替进行。

　　

标签: 算法  原理  标签  简介  

免责声明：本文系转载，版权归原作者所有；旨在传递信息，其原创性以及文中陈述文字和内容未经本站证实。

本文地址:http://www.kidbbs.com/baike/zonghe/274490.html

tim邮箱在哪里 tim在哪里发邮件

网站首页 返回栏目

苹果x最小内存是多少（苹果x最小内存是多少g）