机器学习中的EM算法详解及R语言实例（2）

我们在上一篇文章中介绍了EM算法的基本原理，如果读者对此不甚了解，建议参阅

机器学习中的EM算法详解及R语言实例（1）

4. 高斯混合模型

高斯混合模型（GMM，Gaussian Mixture Model）可以看成是EM算法的一种现实应用。利用这个模型可以解决聚类分析、机器视觉等领域中的许多实际问题。

4.1 模型推导

在讨论EM算法时，我们并未指定样本来自于何种分布。实际应用中，常常假定样本是来自正态分布之总体的。也就是说，在进行聚类分析时，认为所有样本都来自具有不同参数控制的数个正态总体。例如前面讨论的男性女性身高问题，我们就可以假定样本数据是来自如图13-5所示的一个双正态分布混合模型。这便有了接下来要讨论的高斯混合模型。

4.2 应用实例

软件包mclust提供了利用高斯混合模型对数据进行聚类分析的方法。其中函数Mclust()是进行EM聚类的核心函数，它的基本调用格式为

全文完。

本文参考文献：

1、斯坦福的公开课——机器学习 ，由Andrew Ng主讲

2、JerryLead的博客

3、数据挖掘导论，Pang-Ning Tan，Michael Steinbach，Vipin Kumar 著