斯坦福ML公开课笔记12——K-Means、混合高斯分布、EM算法

公开课系列的pdf文档已经上传到csdn资源,下载请猛击这里

本文对应斯坦福ML公开课的第12个视频,第12个视频与前面相关性并不大,开启了一个新的话题——无监督学习。主要内容包括无监督学习中的K均值聚类(K-means)算法,混合高斯分布模型(Mixture of Gaussians, MoG),求解MoG模型的EM算法,以及EM的一般化形式,在EM的一般化形式之前,还有一个小知识点,即Jensen不等式(Jensen’s inequality)。

斯坦福ML公开课笔记12——K-Means、混合高斯分布、EM算法_第1张图片

斯坦福ML公开课笔记12——K-Means、混合高斯分布、EM算法_第2张图片

斯坦福ML公开课笔记12——K-Means、混合高斯分布、EM算法_第3张图片

斯坦福ML公开课笔记12——K-Means、混合高斯分布、EM算法_第4张图片

斯坦福ML公开课笔记12——K-Means、混合高斯分布、EM算法_第5张图片

斯坦福ML公开课笔记12——K-Means、混合高斯分布、EM算法_第6张图片


你可能感兴趣的:(机器学习,k-means,EM算法,混合高斯模型)