解读机器学习经典算法之 EM 算法,带你秒懂公式推导

作者/分享人:刘明
向 Ta 提问
阿里巴巴/机器学习算法工程师 50%的课程收益,将捐赠给贫困山区

EM 算法,为期望最大化(Expectation-Maximum)算法的简称,EM 算法是很多机器学习算法的基础,如隐式马尔科夫算法(HMM)、高斯混合模型(GMM)、 LDA 主题模型中的变分推断等等。

然而,很多新手在学习 EM 算法时,在数学公式的推导上卡住。Jesen 不等式是什么?Q 函数又是什么鬼?EM 算法的 E-step 与 S-step 分别是做什么?

本文用最易懂的方式解释EM算法的数学原理。虽然主要是做公式推导,但很好理解,且文章很简短,请放心阅读。跟我一起彻底搞懂 EM 算法吧~

活动取消
已有55人预订
预订达标
文章出炉
     
02月12日
02月27日
退款保证:
• 02月12日前,预订人数未达标,您将获得全额退款。
• 作者未按时完成文章,您将获得全额退款。
你可能还喜欢
关于为何以及如何阅读源码的一点心得
追梦
从零开始,轻松打造你的聊天机器人
微软公开课
每周一个机器学习小项目001:全链接层实现与分类问题
如是
通过前端团队管理谈谈技术管理的技法与思想
常新居士
朋友圈爆款背后的计算机视觉技术与应用
AI科技大本营
为什么说 Java 程序员到了必须掌握 Spring Boot 的时候?
纯洁的微笑
量化教程 1:Python 基础
chen_h
每周一个机器学习小项目002:卷积神经网络实现与图片分类问题
如是
从架构角度来看 Java 分布式日志如何收集
张振华
领域驱动设计(DDD):如何快速入门
malaoko
Java 日志从入门到实战
JPM
分布式系统中服务降级策略探究
追梦
MyBatis 进阶:运行原理、插件、自定义类型、Cache、级联
阿福
通过源码深入理解 Spring Bean 的创建过程
零基础小白如何快速入门 Bootstrap
Nancy
微信扫描登录