【EM算法】三硬币模型

【EM算法】算法及注解
三硬币模型是EM算法运用的一个经典例子
EM算法:

1.选择初值

2.E步求期望

3.M步求极大

4.迭代至收敛

目录

三硬币模型

极大似然估计方法

EM方法


三硬币模型

3枚硬币分别记作A、B、C,这些硬币正面出现的概率分别是,和。进行如下掷硬币试验:先掷硬币 A,根据其结果选出硬币B 或硬币C,正面选硬币B,反面选硬币C;然后掷选出的硬币,掷硬币的结果,出现正面记作1,出现反面记作0;独立地重复n次试验(这里取n= 10),观测结果为:{1,1,0,1,0,0,1,0,1,1}

假设只能观测到掷硬币的结果,不能观测掷硬币的过程。问如何估计参数,和。

目的是估计模型参数,自然地考量到极大似然估计方法

极大似然估计方法

三硬币模型可以写作:

:观测变量,表示一次试验观测的结果是 1 或 0

:隐变量(不可观测变量),表示未观测到的掷硬币 A 的结果

:模型参数

将观测数据表示为,未观测数据表示为则观测数据的似然函数为

展开得

考虑求模型参数的极大似然估计,即

实际上,这个问题没有解析解,只有通过迭代的方法求解。EM 算法就是可以用于求解这个问题的一种迭代算法。换句话说,EM算法是求解含有隐变量的概率模型参数的极大似然估计法。

EM方法

首先选取参数的初值,记作

然后通过E步和M步迭代计算参数的估计值。第次迭代参数的估计值为。EM 算法的第次迭代如下:

E 步:计算在模型参数 下观测数据来自掷硬币 B 的概率

M 步:计算模型参数的新估计值


进行数值计算。假设模型参数的初值取为

依据E步公式,对与均有

依据M步公式, 得到

再依据E步公式,得到

再依据M步公式, 得到

两次迭代结果一致,这时已经满足收敛条件

于是得到模型参数的极大似然估计

表示硬币 A 是均匀的,这一结果容易理解
EM算法对初值敏感:

如果取初值, 那么得到的模型参数的极大似然估计是。

相关推荐
泯泷2 小时前
别再“裸聊”大模型了!你家的 AI 为什么总胡说八道?根子在 RAG
人工智能·算法·架构
硅谷秋水2 小时前
面向精确到达任务的机器人-对齐3D高斯溅射方法——基于腕部-相机VLA策略
数码相机·机器学习·计算机视觉·3d·机器人
2601_967980113 小时前
Python中heapq模块的各种用法实例
数据结构·python·算法·应用实例·heapq模块
龙腾AI白云3 小时前
数字孪生与计算机视觉:让机器看懂现场
大数据·数据库·机器学习·知识图谱·pygame
tellmewhoisi4 小时前
深度学习0:数学知识:最大似然推导过程
人工智能·深度学习·概率论
漂流瓶jz5 小时前
UVA-1615 高速公路 题解答案代码 算法竞赛入门经典第二版
数据结构·算法·贪心算法·贪心·aoapc·算法竞赛入门经典·uva
林中漫步—柚5 小时前
概率论全概率公式与贝叶斯公式:步骤、例题、易错点
考研·概率论·全概率公式·贝叶斯公式·考研数学
凌冰_15 小时前
数据结构 - 时间空间复杂度(一)
数据结构·算法·软件工程
Pniubi15 小时前
力扣2 . 两数相加
算法·leetcode·职场和发展
戴·菲瑜15 小时前
为什么PPO难以做出顶级棋类引擎
算法·博弈论·rl·ppo