知识卡片
高斯混合模型与EM
高斯混合模型用多个高斯分布及混合权重表示数据分布,每个成分有均值和协方差。EM 迭代先根据当前参数计算样本属于各成分的后验责任度(E 步),再用责任度更新参数(M 步)。它通常只得到局部最优,结果依赖初始化。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第5章 机器学习
原书出处 · 1 处
- 机器学习 · 查看原书依据
根据当前参数来计算每个样本属于每个高斯成分的后验概率。
参考来源
- 位置:《现代人工智能技术》第5章《机器学习》(来源项目:book-source;源文件:extracted/现代人工智能技术/_epub-src/EPUB/xhtml/chapter7.xhtml)
- 结论依据:原文说明高斯混合参数和后验概率、参数更新的迭代。
- 原始内容:根据当前参数来计算每个样本属于每个高斯成分的后验概率。