em算法详细例子及推导_EM算法详解(例子+推导)
一. 例子讲解
假设有两个硬币1和2,随机抛出后出现正面概率为
- 硬币1-->(3正2反);硬币2-->(2正3反);硬币3-->(1正4反);银币4-->(3正2反);银币5-->(2正3反)
很容易计算硬币1正面
假如我们不知道选出的是哪个银币,还需要计算出
- ?-->(3正2反);?-->(2正3反);?-->(1正4反);?-->(3正2反);?-->(2正3反)
对每个问号编个号(
先随机初始化一个
初始设
- 硬币1概率:0.00512,硬币2概率:0.03087-->(3正2反); 硬币1概率:0.02048,硬币2概率:0.01323-->(2正3反); 硬币1概率:0.08192,硬币2概率:0.00567-->(1正4反); 硬币1概率:0.00512,硬币2概率:0.03087-->(3正2反);硬币1概率:0.02048,硬币2概率:0.01323-->(2正3反);
每个取硬币1或2出现最大的最大的概率,则此时
我们使用所有的z值计算,根据上述数据,可算出z值对应的
- :0.14,-->(3正2反);:0.61,-->(2正3反);:0.94,-->(1正4反);:0.14,-->(3正2反);:0.61,-->(3正2反)。
计算在硬币1 条件下正方面分布,如:
此时算出的值,更接近真实值0.4。
二. 算法过程
2.1 Jensen不等式
当函数满足凸函数(存在局部极小值),则有
2.2 算法推导
有观测变量数据Y(上例中正反面结果),隐藏变量Z(上例中硬币1硬币2),求分布
运用Jensen不等式(上图画的),
公式1有:
其中当满足
则有
接下来求
2.3 EM算法收敛性
要证明算法收敛,其实是证明
有
则
三. 高斯混合模型
离散随机变量期望:
连续随机变量的期望:
方差定义:
,期望的表示方式为:协方差定义:
,表示两个变量空间。用期望的表示方式为:,两个变量独立协方差为0。 协方差矩阵:多维高斯密度公式:;表示纬度维的向量,各纬度向量的平均值,所有向量协方差矩阵。
如下图所示,有观测样本数据
从几何意义理解,高斯混合模型就是多个独立高斯分布按照权重叠加的模型,其分布模型公式记为:
根据EM算法,z的分布是离散分布:
有
四. python例子
还是代码简单,高斯混合模型的预测,详情看示范例子:
https://github.com/zx3305/tennis/blob/master/em/main.pygithub.com
参考资料:
机器学习之最大期望(EM)算法_谓之小一-CSDN博客_最大期望算法
https://blog.csdn.net/lin_limin/article/details/81048411
多维高斯分布 - jermmyhsu - 博客园
https://www.bilibili.com/video/BV13b411w7Xj
https://www.bilibili.com/video/BV1qW411k7ao?p=3
em算法详细例子及推导_EM算法详解(例子+推导)相关推荐
- DL之InceptionV4/ResNet:InceptionV4/Inception-ResNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
DL之InceptionV4/ResNet:InceptionV4/Inception-ResNet算法的简介(论文介绍).架构详解.案例应用等配图集合之详细攻略 目录 InceptionV4/Inc ...
- DL之RetinaNet:RetinaNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
DL之RetinaNet:RetinaNet算法的简介(论文介绍).架构详解.案例应用等配图集合之详细攻略 目录 RetinaNet算法的简介(论文介绍) 0.实验结果 1.RetinaNet算法的特 ...
- DL之DilatedConvolutions:Dilated Convolutions(膨胀卷积/扩张卷积)算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
DL之DilatedConvolutions:Dilated Convolutions(膨胀卷积/扩张卷积)算法的简介(论文介绍).架构详解.案例应用等配图集合之详细攻略 目录 Dilated Con ...
- DL之ShuffleNetV2:ShuffleNetV2算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
DL之ShuffleNetV2:ShuffleNetV2算法的简介(论文介绍).架构详解.案例应用等配图集合之详细攻略 目录 ShuffleNetV2算法的简介(论文介绍) 1.论文特点 2.基于硬件 ...
- DL之ShuffleNet:ShuffleNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
DL之ShuffleNet:ShuffleNet算法的简介(论文介绍).架构详解.案例应用等配图集合之详细攻略 相关文章 DL之ShuffleNet:ShuffleNet算法的简介(论文介绍).架构详 ...
- DL之MobileNetV2:MobileNetV2算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
DL之MobileNet V2:MobileNet V2算法的简介(论文介绍).架构详解.案例应用等配图集合之详细攻略 目录 MobileNetV2算法的简介(论文介绍) MobileNet V2算法 ...
- DL之MobileNet:MobileNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
DL之MobileNet:MobileNet算法的简介(论文介绍).架构详解.案例应用等配图集合之详细攻略 目录 MobileNet算法的简介(论文介绍) 1.研究背景 2.传统的模型轻量化常用的方法 ...
- DL之SqueezeNet:SqueezeNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
DL之SqueezeNet:SqueezeNet算法的简介(论文介绍).架构详解.案例应用等配图集合之详细攻略 目录 SqueezeNet算法的简介(论文介绍) 1.轻量级的CNN架构优势 2.主要特 ...
- DL之DenseNet:DenseNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
DL之DenseNet:DenseNet算法的简介(论文介绍).架构详解.案例应用等配图集合之详细攻略 目录 DenseNet算法的简介(论文介绍) DenseNet算法的架构详解 3.DenseNe ...
- DL之ResNeXt:ResNeXt算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
DL之ResNeXt:ResNeXt算法的简介(论文介绍).架构详解.案例应用等配图集合之详细攻略 目录 ResNeXt算法的简介(论文介绍) ResNeXt算法的架构详解 ResNeXt算法的案例应 ...
最新文章
- Android APK反编译具体解释(附图)
- c#如何操作excel文件、Interior.ColorIndex 色彩列表
- leetcode算法题--学生分数的最小差值
- [Enterprise Library]Configuration类设计分析
- 下一代Asp.net开发规范OWIN(2)—— Katana介绍以及使用
- 【Python】机器学习绘图神器Matplotlib首秀!
- mysql fulltext索引
- Java异常详解及如何处理
- 作者:牟少敏,博士,山东农业大学教授。
- 用LDA在R中聚类四本小说
- matlab常用数学函数实验,实验二-MATLAB的数学运算基础.ppt
- 软件设计原则(五) 开闭原则
- magisk下载里显示没有模块_magisk框架
- shell脚本开头#!/bin/bash和#!/bin/sh是什么意思以及区别
- BZOJ4622 [NOI 2003] 智破连环阵
- NLP会议介绍 2019
- C语言程序课程设计任务书
- 曾志伟原创港式奶茶店—喜乐街,台州金清人民路新店开业
- Android各个版本代号及其特性
- H.266/VVC相关技术学习笔记16:VTM6.0中的CIIP技术(帧内帧间联合预测)