em（最大期望算法）極大似然估計(jì)-全文預(yù)覽
【正文】 上式兩邊關(guān) θ 于求導(dǎo)，并令其等于 0，即 解之，得如下迭代公式。顯然 z1,z2是我們認(rèn)為引入的，它是不可觀測的，數(shù)據(jù)（ y , z）為完全數(shù)據(jù)，而觀測到的數(shù)據(jù)稱之為不完全數(shù)據(jù)，此時(shí)完全數(shù)據(jù)的似然函數(shù)為： EM算法 Expectationmaximization algorithm 其對數(shù)似然為 ： 如果（ y,z）均已知，則上式很容易求得 MLE，但遺憾的是我們知道 y,不知道 Z，但當(dāng) y以及已知時(shí)， 于是分兩步進(jìn)行迭代求解，即 E步， M步。 在求最大似然估計(jì) (MLE)時(shí)， 當(dāng)分布中有多余參數(shù)或數(shù)據(jù)為截尾或缺失，其 MLE的求取是比較困難的，于是提出 EM算法 ，其出發(fā)點(diǎn)是把求極大似然估計(jì)的過程分兩步走， 第一步求期望即 E，以便把多余的部分去掉。 同理，設(shè)總體 X是連續(xù)型隨機(jī)變量，密度函數(shù)為 f(x。EM（最大期望算法） Expectationmaximization algorithm 極大似然估計(jì) EM算法 ? 極大似然估計(jì)方法是一種 參數(shù)估計(jì)方法 ? 是已知某個(gè) 隨機(jī)樣本 滿足某種概率分布，但是其中具體的參數(shù)不
畢業(yè)設(shè)計(jì)相關(guān)推薦
鄂ICP備17016276號-1