EM算法应用之GMM(高斯混合模型)的迭代过程-51CTO学堂-机器学习在雷达上的应用

{{ interaction.likeNum == 0 ? (pageType === 'video' ? '抢首赞' : '点赞') : formatNumber(interaction.likeNum) }} {{ interaction.collectionNum == 0 ? '收藏' : formatNumber(interaction.collectionNum) }} {{ interaction.discussNum == 0 ? (pageType === 'video' ? '抢沙发' : '讨论') : formatNumber(interaction.discussNum) }}

提问 {{ interaction.noteNum > 0 ? interaction.noteNum + '篇笔记' : '记笔记' }} 离线观看

下载学堂APP

缓存视频离线看

报告问题离线观看

下载学堂APP

缓存视频离线看

课程介绍

讨论{{interaction.discussNum ? '(' + interaction.discussNum + ')' : ''}}

适合人群

人工只能爱好者

你将会学到

本系列讲解EM及GMM相关知识点，让你对ＥＭ整理流程有清晰的认识，从而应用到工作和面试中。

掌握EM算法的整体流程
了解GMM高斯混合应用的具体应用

课程简介

本系列讲解EM及GMM相关知识点，让你对ＥＭ整理流程有清晰的认识，从而应用到工作和面试中。

目录如下：

1.1EM算法之回顾最大似然估计
1.2EM算法之回顾贝叶斯估计
1.3EM算法之回顾K-means算法
1.4EM算法之算法目标引入
1.5EM算法之目标函数转换--利用Jensen不等式
1.6EM算法之目标函数求解--关于Q(z, θ)的表达
1.7EM算法流程
1.8EM算法案例
1.9EM算法应用之GMM(高斯混合模型)的目标函数表示

1.10EM算法应用之GMM(高斯混合模型)的迭代过程
1.11EM算法代码之手动实现GMM迭代过程
1.12EM算法代码之基于sklearn身高性别数据GMM高斯混合聚类实现

展开更多

发布

置顶笔记