;
阐述k-means算法与GMM模型的关系;
总结
关键词: 高斯混合模型, EM算法, 概率图模型, 机器学习
不完全数据的问题实例
假设我们有数据集
?...在(7)中, 我们借助在第t-1次迭代中得到的参数估计值
?
来获得zi关于xi的后验分布
?
此时的后验概率
?
是一个可计算的常数. 再使用这个关于zi的后验分布构造期望
?...对其中的1000个样本点, 我们使用GMM模型来对其分布进行建模, 在每次迭代中, 我们先利用第t-1次迭代的参数估计值
?...样本点所属高斯分布的预测着色示意图
上图为1000个样本点所属高斯分布的预测着色示意图, 在使用EM算法得到GMM模型的参数估计值后, 只需计算 即可得到样本点所属高斯分布的预测值....总结
GMM模型是典型的概率图模型, 其优异的数学性质使之在拟合数据分布时有很强的建模能力. 求解GMM模型的EM算法给带隐变量的模型的参数估计提供了强有力的武器, 其在工业界中亦得到广泛应用.