em（最大期望算法）極大似然估計-全文預覽
【正文】 上式兩邊關 θ 于求導，并令其等于 0，即 解之，得如下迭代公式。顯然 z1,z2是我們認為引入的，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 y以及已知時， 于是分兩步進行迭代求解，即 E步， M步。 在求最大似然估計 (MLE)時， 當分布中有多余參數(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)點是把求極大似然估計的過程分兩步走， 第一步求期望即 E，以便把多余的部分去掉。 同理，設總體 X是連續(xù)型隨機變量，密度函數(shù)為 f(x。EM（最大期望算法） Expectationmaximization algorithm 極大似然估計 EM算法 ? 極大似然估計方法是一種 參數(shù)估計方法 ? 是已知某個 隨機樣本 滿足某種概率分布，但是其中具體的參數(shù)不
畢業(yè)設計相關推薦
鄂ICP備17016276號-1