em算法原理
更新时间：
在统计计算中，最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（LatentVariable）。最大期望经常用在机器学习和计算机视觉的数据聚类（DataClustering）领域。
最大期望算法经过两个步骤交替进行计算。
第一步是计算期望（E），利用对隐藏变量的现有估计值，计算其最大似然估计值。
第二步是最大化（M），最大化在E步上求得的最大似然值来计算参数的值。
M步上找到的参数估计值被用于下一个E步计算中，这个过程不断交替进行。
与 em算法原理 相关文章
上一篇：
快递都可以上门取件吗
下一篇：
多少天的孩子可以亲子鉴定