EM 알고리즘 구현
1128 단어 EM-algorithmPython
EM 알고리즘을 구현했습니다.
GitHub에 소스 코드가 추가되었습니다.
EM 알고리즘은 혼합 고스 모델의 생성에 사용된다.
간단하게 요약하면 어떤 표본은 N개의 고스 모델이 혼합된 것으로 여겨지고 각 모델의 무게/평균/방차를 찾아 그 표본을 설명한다.
매개 변수(가중치/평균/방차)에 적절한 초기 값을 설정하고 평가에 사용되는 함수(Q 함수)를 정의하고, 매개 변수를 업데이트해 Q 함수를 모델에 가깝게 하는 것은 EM 알고리즘이며, 업데이트 과정은 다음과 같은 Expectation 단계와 Maximization 단계이기 때문에 EM이라고 부른다.
・Expectation 단계: 숨겨진 변수(부하율)의 검사 확률을 추측하려면
・Maximization 단계: E 단계에서 구한 백업 확률에 따라 Q 함수를 최소화하는 매개 변수를 구하려면
내가 진행한 실제 포장에서 아래의 표본은 33차례의 EM 단계에서 모델을 생성했다.
참고 자료
혼합 정적 분포 실현
Reference
이 문제에 관하여(EM 알고리즘 구현), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/veqcc/items/51e0ffc879c8234c9526텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)