GMM模型与EM算法

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

GMM模型与EM算法_第1张图片

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

GMM模型与EM算法_第2张图片

高斯分布的似然函数

X1-XN 全部发生的总概率为:

GMM模型与EM算法_第3张图片

GMM模型与EM算法_第4张图片

GMM模型与EM算法_第5张图片

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_第6张图片

2.1 GMM混合高斯分布

GMM模型与EM算法_第7张图片

GMM模型与EM算法_第8张图片

GMM模型与EM算法_第9张图片

GMM模型与EM算法_第10张图片

GMM模型与EM算法_第11张图片

GMM模型与EM算法_第12张图片

GMM模型与EM算法_第13张图片

GMM模型与EM算法_第14张图片

你可能感兴趣的:(概率论,算法,人工智能,机器学习)