什么是EM算法?
1 1008
1
该提问暂无详细描述
收藏
2021-01-18 14:43 更新 🍊小桔子 •  2439
共 1 个回答
高赞 时间
1

请注意,有时E-M用于描述一类算法以及特定算法。 这是一个可能有所帮助的类比(它是EM的一个实例,但你可以在此处掌握它):假设你以前从未见过水果,我将一堆50个大致球形的水果倒在你的桌子上(从一英寸到一英尺的范围),并且,我只告诉你一件事:水果有5种。 但是你知道这些水果来自不同类型的树,并且树不仅会产生随机的东西,而且还会产生相似的东西。那么,你将如何组织水果来解决这个问题?实际上你必须解决两个问题: 1.如何将每个单独的水果“分配”给特定的树类型?我们称其为缺失值或简称Z。 2.每种树型果实的特征是什么?我们称这些为“未知参数”或简称为theta。 但是,这两个问题是相互关联的:我可以用一个来帮助解决另一个问题。以下是我的方法: 1.随机选择任何水果类型。换句话说,对Z进行猜测。我们将此称为Z(0)。最初,葡萄将与西瓜混合,但这没关系。 2.现在,我已经将水果随机分为不同的类型,现在我可以尝试回答第二个问题:假设每种水果类型来自同一棵树,它们的特征是什么?有平均大小,颜色等等,我可以算出它们,这是期望的步骤,然后可以得到theta(0)。现在,某些“水果类型”将趋向较小范围。 3.我已经计算出theta(0),就可以对每种类型的水果进行更好的分配,因为我们知道来自一棵树的事物是相似的。在这里,发生了一些神奇的事情:葡萄更有可能在以小而柔软的为特征的组里,而西瓜更可能在以大而坚硬的特征的组里,由此,我可以得出Z(1)。 4.让我们回到步骤2,使用Z(1)代替Z(0),然后重复。 在某些时候,我会注意到事情并没有太大变化:例如Z(11)与Z(12)相同,但是Z(12)现在可以很好地分配给不同的水果类型和不同的特性。

收藏
2021-01-18 15:00 更新 Lisa •  1800