em最大期望算法极大似然估计(编辑修改稿)内容摘要：
LE)时， 当分布中有多余参数或数据为截尾或缺失，其 MLE的求取是比较困难的，于是提出 EM算法 ，其出发点是把求极大似然估计的过程分两步走， 第一步求期望即 E，以便把多余的部分去掉。 第二步求极大值即 M。 EM算法 Expectationmaximization algorithm 设一次实验可能有四个结果，其发生的概率分别为 其中 θ €(0,1) ，现进行了 197次试验，四种结果的发生次数分别为 75， 18， 70， 34，求 MLE（极大似然估计） 解：以 y1,y2,y3,y4表示四种类结果发生的次数，此时总体分布为多项分布，故其似然函数 : EM算法 Expectationmaximization algorithm 要求解的 MLE，由于其对数似然方程是一个三次多项式，就引入两个变量z1,z2后使得求解要变得容易。 现在假设第一种结果可分成两部分，其发生的概率分别为 令 z1和 y1z1分别表示落入这两部分的次数；再假设第三种结果分成两部分，其发生的概率分别为 令 z2和 y3z2分别表示落入这两部分的次数。 显然 z1,z2是我们认为引入的，它。阅读剩余 0%
本站所有文章资讯、展示的图片素材等内容均为注册用户上传(部分报媒/平媒内容转载自网络合作媒体)，仅供学习参考。
用户通过本站上传、发布的任何内容的知识产权归属用户或原始著作权人所有。如有侵犯您的版权，请联系我们反馈本站将在三个工作日内改正。