※ 引述《Ajax3 (supernova)》之銘言:
: ※ 引述《BBIO (口試通過)》之銘言:
: 簡單來說:
: 當資料有遺漏值時,無法以傳統方法求得參數的MLE。
: 此時EM演算法提供一個方法去計算MLE,這個演算法相當普及,
: 甚至出現在一些數理統計課本上。
補充幾個實際的例子
想像有兩群不同class的資料
假如我們只知道這兩群資料整體的分佈
卻不知道每個sample屬於哪個class
這時候就可以用兩個gaussian distribution
利用EM去近似出這兩個calss的分佈
然後得到的估測出來的參數就可以用來算decision boundary
另外一個應用是mixture gaussian model
一般而言我們都會假設資料是gaussian distribution
但很多real data並不是
所以就會利用EM去估測出一個數個gaussian的線性組合
用這個mixture gaussian來作為資料的分佈
當然EM的應用很廣
上面的例子只是我實際應用過的
所以舉出來參考
希望有些幫助
有錯誤的話也煩請指正
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.116.141.102