zhuanlan.zhihu.com
【机器学习】EM——期望最大（非常详细） - 知乎
EM 算法，全称 Expectation Maximization Algorithm。 期望最大算法是一种迭代算法，用于含有 隐变量 （Hidden Variable）的概率参数模型的最大似然估计或极大后验概率估计。
em算法
Searching…
Web results
zh.wikipedia.org
最大期望算法 - 维基百科，自由的百科全书
在 统计 计算 中， 最大期望（EM）算法 是在 概率模型 中寻找 参数 最大似然估计 或者 最大后验估计 的 算法，其中概率模型依赖于无法观测的 隐变量。 最大期望算法经常用在 机器学习 和 计算机视觉 的 数据聚类 （Data Clustering）领域。
baike.baidu.com
最大期望算法_百度百科
EM算法的标准计算框架由E步（Expectation-step）和M步（Maximization step）交替组成，算法的收敛性可以确保迭代至少逼近局部极大值。 EM算法是MM算法（Minorize-Maximization algorithm）的特例之一，有多个改进版本，包括使用了贝叶斯推断的EM算法、EM梯度算法、广义EM算法等。
blog.csdn.net
EM算法详解+通俗例子理解_em算法实例-CSDN博客
文章浏览阅读4.5w次，点赞156次，收藏336次。 本文深入讲解EM算法，从直观理解到数学推导，通过硬币抛掷实例剖析算法原理，探讨Jensen不等式作用，详述EM算法的E-step与M-step，最终应用于混合高斯模型与K-means聚类。
surprisedcat.github.io
【大道至简】机器学习算法之EM算法 (Expectation Maximization Algorithm)详解 (附代码...
好了，我们参照上文推导的EM算法的思路来推导一下高斯混合模型。 这里为了区分变量名，我们将π用φ替换。 第一步： 给φ，μ，σ赋初值，开启迭代； 第二步：E步。 如果是首轮迭代，那么φ，μ，σ分别为我们给定的初值；否则φ，μ，σ取决于上一轮迭代的值。
www.cnblogs.com
机器学习算法原理实现——EM算法 - bonelee - 博客园
Oct 1, 2023 · 本文介绍了EM算法的基本思想和步骤，以及在K-means算法和硬币投掷模型中的应用。还给出了使用python编程实现EM算法的代码和测试数据。
zhuanlan.zhihu.com
EM算法详解 - 知乎 - 知乎专栏
EM算法是最常见的 隐变量估计 方法，在机器学习中有极为广泛的用途，例如常被用来学习 高斯混合模型 （Gaussian mixture model，简称GMM）的参数； 隐式马尔科夫算法 （HMM）、 LDA主题模型 的变分推断等等。 本文就对EM算法的原理做一个详细的总结。
zhuanlan.zhihu.com
期望最大化（EM）算法：从理论到实战全解析 - 知乎
Nov 28, 2023 · 本文深入探讨了期望最大化（EM）算法的原理、数学基础和应用。 通过详尽的定义和具体例子，文章阐释了EM算法在 高斯混合模型 （GMM）中的应用，并通过Python和PyTorch代码实现进行了实战演示。 关注TechLead，分享AI全维度知识。
www.cnblogs.com
EM算法原理总结 - 刘建平Pinard - 博客园
May 27, 2017 · 本文介绍了EM算法的基本思想、推导过程和应用场景，以及如何用数学语言描述EM算法的E步和M步。EM算法是一种迭代求解最大值的算法，常用于处理含有未观察数据的模型参数估计问题，如隐式马尔科夫模型、主题模型等。
www.jianshu.com
期望最大化（EM）算法：从理论到实战全解析 - 简书
Nov 27, 2023 · 本文深入探讨了期望最大化算法（EM算法）的原理、数学基础和应用，通过具体例子和Python代码实现。EM算法是一种迭代优化算法，主要用于估计含有隐变量的概率模型参数，如高斯混合模型、隐马尔可夫模型等。