GMM模型与EM算法 --> 聚类 -> 无监督机器学习[参考]
一、单个高斯分布GM的估计参数
1.1 高斯分布
结果趋近于正态分布
每次弹珠往下走的时候,碰到钉子会随机往左还是往右走,可以观测到多次随机过程结合的
高斯分布的似然函数
X1-XN 全部发生的总概率为:
二、混合高斯模型GMM参数估计
人群中随机选出 10000 个人来,测量他们的身高男女身高虽然都服从高斯分布,但是方差均值不同假设男 N(u1,o1) 女 N(u2,o2)能否估计 u1 o1? u2 o2?
GMM模型与EM算法 --> 聚类 -> 无监督机器学习[参考]
结果趋近于正态分布
每次弹珠往下走的时候,碰到钉子会随机往左还是往右走,可以观测到多次随机过程结合的
高斯分布的似然函数
X1-XN 全部发生的总概率为:
人群中随机选出 10000 个人来,测量他们的身高男女身高虽然都服从高斯分布,但是方差均值不同假设男 N(u1,o1) 女 N(u2,o2)能否估计 u1 o1? u2 o2?
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1095228.html
如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!