文章插图
在统计计算中，最大期望（EM）算法是在概率（probabilistic）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藏变量（Latent Variable） 。最大期望经常用在机器学习和计算机视觉的数据聚类（Data Clustering）领域 。


最大期望算法经过两个步骤交替进行计算 。


第一步是计算期望（E），利用对隐藏变量的现有估计值，计算其最大似然估计值 。


第二步是最大化（M），最大化在 E 步上求得的最大似然值来计算参数的值 。


M 步上找到的参数估计值被用于下一个 E 步计算中，这个过程不断交替进行 。


【em算法原理 EM算法的思想】

• uc浏览器的隐藏空间在哪里 uc浏览器的隐藏空间在哪里打开
• 什么是主题活动 什么是主题活动的核心
• 貂蝉的圣诞恋歌多久出一次 貂蝉圣诞恋歌什么时候出来
• 怎么删除相册没有发朋友圈却能看到的那些照片 为什么自己朋友圈相册自己发的删除不了
• 丁宁有梁惊梦的记忆吗 丁宁一开始就知道自己是梁惊梦吗
• icloud照片怎么恢复 icloud删除的照片怎么恢复
• 路飞的草帽原先是谁的 路飞为什么叫草帽
• 培根肉是猪的什么部位 什么是培根肉,在猪什么位置?
• 清朝铁帽子王有哪些 清朝的铁帽子王都有谁
• 泡发海参水怎么是绿色 海参泡发的水是绿色的