【Coursera】高斯混合模型
2024-08-25 09:17:51
一、高斯混合模型
- 软分类算法，即对每一个样本，计算其属于各个分布的概率，概率值最大的就是这个样本所属的分类。
- 对于训练样本的分布，看成为多个高斯分布加权得到的。其中每个高斯分布即为某一特定的类。
- 高斯混合模型和高斯判别分析非常像，唯一的区别就是在高斯混合模型中，每个样本所属的类别标签是未知的。
- 为了计算每个样本属于各个分布的概率Z，对每个高斯分布的参数进行初始化，然后以此计算概率Z，再根据Z来对所有参数进行优化，直到收敛。
二、EM算法
1、Jensen不等式
- 若二阶导数的不等号方向逆转（f(x)为凹函数），则不等式的不等号方向逆转。
- 严格凸函数：非正式得定义，曲线中不能包含直线部分，
最新文章
- Python中实现从目录中过滤出指定文件类型的文件
- Spring 整合 Hibernate
- React学习之一：React初探
- Spring学习（一）——Spring中的依赖注入简介【转】
- 使用MySQL Proxy解决MySQL主从同步延迟
- 新功能：Azure 负载平衡器的空闲超时现可配置了
- Python设计模式——装饰模式（Decorator）
- lc面试准备:Implement Stack using Queues
- SQL SERVER——CPU问题定位与解决
- Jsp与beetl的比较
- volitale、synchronized、RetreenLock区别
- log4j、使用log4j、打印sql日志
- Unity中调用DLL库
- 纯css loading动效
- Java实现数据库的读写分离
- 《Linux 性能及调优指南》3.2 CPU瓶颈
- css：在容器内文字超过容器范围，显示一行加省略号或者两行加省略号
- wx.aui.AuiManager部分/布局翻译
- ZooKeeper管理分布式环境中的数据
- js异步加载的解决方案