经典EM算法介绍-由浅入深

时间:2011-11-09 13:26:31
【文件属性】:

文件名称:经典EM算法介绍-由浅入深

文件大小:668KB

文件格式:PDF

更新时间:2011-11-09 13:26:31

EM GMM 期望最大 混合高斯分布

这几天把EM算法(Expectation Maxinum)反复琢磨了几遍,经过几次讨论,对EM算法的数学模型有了比较深入的理解。考虑到: 1. 这个算法在Machine Learning中极其重要,也是进行Machine Learning深入研究的一个重要阶梯 2. 这个算法确实需要一定的概率和数学基础 3. 中文或翻译的教材似乎没有很好的解释清楚这个算法 于是我根据Pattern Recogition and Machine Learning一书相关章节的内容,结合自己的理解,写了一套中文的EM算法介绍和分析。又混合高斯模型开始,由浅入深,逐步讲解了EM算法在混合高斯模型应用和一般化描述。自己感觉还是比较容易理解的。 如果发现pdf中有什么问题,或有什么错误,请直接与我联系,欢迎讨论。 要下载最新的版本请到http://glatteis.spaces.live.com


网友评论

  • 东西不错 对我有帮助
  • 对我们 基础不牢靠的来说不错
  • 很好的EM学习资源,易于理解
  • 总结得还行。不过还是觉得直接看prml比较好。
  • 嗯,确实挺有用的,感谢楼主
  • 机器学习EM算法,很好的介绍了原理和基本流程,谢谢分享...
  • 对我非常有帮助,谢谢分享
  • 适合于初学者理解,很不错的资源
  • 讲的比较详细,谢谢分享
  • 内容很好,很清晰
  • 很有帮助,值得一看
  • 拿来学习使用 ,不错
  • 很好理解 思路清晰
  • PRML中EM算法章节的解释,不错的学习资料。很实用
  • 机器学习EM算法,很好的介绍了原理和基本流程,谢谢分享
  • 讲的很清楚,不错!
  • 基础知识,还不错!!
  • PRML中EM算法章节的解释,看看原文会有助于理解。
  • 很好 清晰 谢谢
  • 我感觉楼主自己肯定是很明白了。 但是,看你的教程,给新手的感觉,肯定很晕乎。 你的整个介绍的思路,我大概是知道了。我是在对EM的些了解的基础上看的,但看完后,也感觉很晕乎,一些可有可无的符号…… 还有个地方,感觉写的有问题,也可能是我没理解,希望能与你沟通请教,谢谢