
機(jī)器學(xué)習(xí)中的EM算法詳解及R語(yǔ)言實(shí)例(1)
最大期望算法(EM)
K均值算法非常簡(jiǎn)單,相信讀者都可以輕松地理解它。但下面將要介紹的EM算法就要困難許多了,它與極大似然估計(jì)密切相關(guān)。
1 算法原理
不妨從一個(gè)例子開(kāi)始我們的討論,假設(shè)現(xiàn)在有100個(gè)人的身高數(shù)據(jù),而且這100條數(shù)據(jù)是隨機(jī)抽取的。一個(gè)常識(shí)性的看法是,男性身高滿足一定的分布(例如正態(tài)分布),女性身高也滿足一定的分布,但這兩個(gè)分布的參數(shù)不同。我們現(xiàn)在不僅不知道男女身高分布的參數(shù),甚至不知道這100條數(shù)據(jù)哪些是來(lái)自男性,哪些是來(lái)自女性。這正符合聚類(lèi)問(wèn)題的假設(shè),除了數(shù)據(jù)本身以外,并不知道其他任何信息。而我們的目的正是推斷每個(gè)數(shù)據(jù)應(yīng)該屬于哪個(gè)分類(lèi)。所以對(duì)于每個(gè)樣本,都有兩個(gè)需要被估計(jì)的項(xiàng),一個(gè)就是它到底是來(lái)自男性身高的分布,還是來(lái)自女性身高的分布。另外一個(gè)就是,男女身高分布的參數(shù)各是多少。
既然我們要估計(jì)知道A和B兩組參數(shù),在開(kāi)始狀態(tài)下二者都是未知的,但如果知道了A的信息就可以得到B的信息,反過(guò)來(lái)知道了B也就得到了A。所以可能想到的一種方法就是考慮首先賦予A某種初值,以此得到B的估計(jì),然后從B的當(dāng)前值出發(fā),重新估計(jì)A的取值,這個(gè)過(guò)程一直持續(xù)到收斂為止。你是否隱約想到了什么?是的,這恰恰是K均值算法的本質(zhì),所以說(shuō)K均值算法中其實(shí)蘊(yùn)含了EM算法的本質(zhì)。
EM算法,又稱(chēng)期望最大化(Expectation Maximization)算法。在男女身高的問(wèn)題里面,可以先隨便猜一下男生身高的正態(tài)分布參數(shù):比如可以假設(shè)男生身高的均值是1.7米,方差是0.1米。當(dāng)然,這僅僅是我們的一個(gè)猜測(cè),最開(kāi)始肯定不會(huì)太準(zhǔn)確。但基于這個(gè)猜測(cè),便可計(jì)算出每個(gè)人更可能屬于男性分布還是屬于女性分布。例如有個(gè)人的身高是1.75米,顯然它更可能屬于男性身高這個(gè)分布。據(jù)此,我們?yōu)槊織l數(shù)據(jù)都劃定了一個(gè)歸屬。接下來(lái)就可以根據(jù)最大似然法,通過(guò)這些被大概認(rèn)為是男性的若干條數(shù)據(jù)來(lái)重新估計(jì)男性身高正態(tài)分布的參數(shù),女性的那個(gè)分布同樣方法重新估計(jì)。然后,當(dāng)更新了這兩個(gè)分布的時(shí)候,每一個(gè)屬于這兩個(gè)分布的概率又發(fā)生了改變,那么就再需要調(diào)整參數(shù)。如此迭代,直到參數(shù)基本不再發(fā)生變化為止。數(shù)據(jù)分析師培訓(xùn)
在正式介紹EM算法的原理和執(zhí)行過(guò)程之前,此處首先對(duì)邊緣分布的概念稍作補(bǔ)充。
2. 收斂探討
在下一篇中我們將討論高斯混合模型(GMM),相當(dāng)于是EM的一種實(shí)現(xiàn)。并給出在R中進(jìn)行數(shù)據(jù)挖掘的實(shí)例。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開(kāi)始提取前,需先判斷 TIF 文件的類(lèi)型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專(zhuān)業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專(zhuān)業(yè)操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷(xiāo)案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷(xiāo)成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類(lèi)分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類(lèi)分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10