EM 算法通俗讲解：专门用来计算看不见的隐藏数据

已完结

课程简介

还在为 EM 算法的隐变量、E 步 M 步头疼？这节课用抛硬币案例带你吃透期望最大化原理，从参数估计逻辑到 E 步 M 步迭代过程，结合代码实战，零基础也能看懂！快速掌握处理不完整数据的核心方法，适合机器学习 / 统计入门者。

章节目录

互动留言

1/1 期望最大化算法（EM）

期望最大化算法（Expectation Maximization，EM）是一种基于不完整、包含隐变量观测数据进行统计模型参数估计的方法。我们知道，统计模型中的参数都需要根据观测数据集（训练数据）来进行估计。但是，在有些场景下，观测数据集中包含的信息不完整，有缺失，此时就不太容易去估计相应的参数。EM 算法就是针对这种问题的的方法。 1. 问题场景桌子上放着一个盒子，其中有两种类型的硬币 A ... 查看完整内容