GMM模型与EM算法

GMM模型与EM算法 --> 聚类 -> 无监督机器学习[参考]

一、单个高斯分布GM的估计参数

1.1 高斯分布

结果趋近于正态分布

每次弹珠往下走的时候,碰到钉子会随机往左还是往右走,可以观测到多次随机过程结合的

高斯分布的似然函数

X1-XN 全部发生的总概率为:

二、混合高斯模型GMM参数估计

人群中随机选出 10000 个人来,测量他们的身高男女身高虽然都服从高斯分布,但是方差均值不同假设男 N(u1,o1) 女 N(u2,o2)能否估计 u1 o1? u2 o2?

2.1 GMM混合高斯分布

相关推荐
哥布林学者41 分钟前
高光谱成像(一)高光谱图像
机器学习·高光谱成像
地平线开发者43 分钟前
SparseDrive 模型导出与性能优化实战
算法·自动驾驶
董董灿是个攻城狮1 小时前
大模型连载2:初步认识 tokenizer 的过程
算法
地平线开发者2 小时前
地平线 VP 接口工程实践(一):hbVPRoiResize 接口功能、使用约束与典型问题总结
算法·自动驾驶
罗西的思考2 小时前
AI Agent框架探秘:拆解 OpenHands(10)--- Runtime
人工智能·算法·机器学习
冬奇Lab2 小时前
OpenClaw 源码精读(2):Channel & Routing——一条消息如何找到它的 Agent?
人工智能·开源·源码阅读
冬奇Lab2 小时前
一天一个开源项目(第38篇):Claude Code Telegram - 用 Telegram 远程用 Claude Code,随时随地聊项目
人工智能·开源·资讯
格砸4 小时前
从入门到辞职|从ChatGPT到OpenClaw,跟上智能时代的进化
前端·人工智能·后端
可观测性用观测云4 小时前
可观测性 4.0:教系统如何思考
人工智能
sunny8654 小时前
Claude Code 跨会话上下文恢复:从 8 次纠正到 0 次的工程实践
人工智能·开源·github