ai讲师人工智能讲师叶梓《人工智能概念入门》机器学习深度学习讲师-18结束
课件为人工智能讲师叶梓人工智能基础课程之一,接上一篇,更多课程,及老师资料可点击 个人主页
(人工智能基础课件37-38页)
Python实现的EM
u 初始: [ 0.25447717 0.37797047]
u 0 [ 30.21943889 30.68531621]
u 1 [ 29.58857672 31.34010044]
u 2 [ 27.31817518 33.61036792]
u 3 [ 22.6182324 38.29831566]
u 4 [ 20.61652483 40.22624926]
u 5 [ 20.42627448 40.36824007]
u 6 [ 20.4065447 40.36767757]
u 7 [ 20.40190728 40.36422475]
u 8 [ 20.40024789 40.36268087]
u 9 [ 20.39960126 40.3620604 ]
u 10 [ 20.39934607 40.36181444]
u 11 [ 20.39924517 40.36171713]
u 12 [ 20.39920526 40.36167865]
EM算法的解释及缺点
u EM算法的直观解释是:
u 如果缺失数据是已知的,就可以利用已知的完全数据处理技术对模型的未知参数进行估计。
u 如果模型的参数已知,根据模型我们可以推导出缺失数据的值。
u EM主要不足:
u 收敛速度慢
u 算法高度依赖初始值的选择
(结束)课件为人工智能讲师叶梓人工智能基础课程之一,接上一篇,更多课程,及老师资料可点击 个人主页
由于小编专业能力有限,无法将老师课件编辑成文章。供一定基础的同学将系列课件下载整理
————————————————