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31页）

EM手算示例

如果取哪一枚硬币是不可观测的，

通过初始参数计算分布：

0.6^9*0.4^1/(0.6^9*0.4^1+0.5^10)=0.805

0.6^4*0.4^6/(0.6^4*0.4^6+0.5^10)=0.352

0.6^8*0.4^2/(0.6^8*0.4^2+0.5^10)=0.733

 

（32页）

EM示例的解释

1. 隐变量Z为每次实验中选择A或B的概率，则第一个实验选择A的概率为
2. 按照上面的计算方法可依次求出隐变量Z，然后计算极大化的θ(i)。

3、经过10次迭代，最终收敛。

 

（33页）

EM的另一个例子——GMM

1. 给定一些观察数据y，假设y符合如下的高斯分布

2、需要求出混合高斯分布的三组参数

3、下图中的GMM，一共有K个分布函数

 

对于每一个观察到的样本y，如果知道它属于K中的哪个分布，那么求它的这些参数就比较容易。

 

（未完，下一篇继续）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

————————————————