em算法代码matlab实现-Expectation-Maximization:Matlab中的期望最大化(EM)算法

上传者: 38631454 | 上传时间: 2023-02-03 11:27:27 | 文件大小: 76KB | 文件类型: ZIP
em算法代码matlab实现期望最大化 Matlab中的期望最大化(EM)算法 此代码实现了Expectation-Maximization(EM)算法,并在简单的2D数据集上对其进行了测试。 期望最大化(EM)算法是一种迭代方法,用于在统计模型中依赖于未观察到的潜在变量的情况下,找到参数的最大似然或最大后验(MAP)估计。 EM迭代在执行期望(E)步骤和创建最大化(M)步骤之间进行交互,该期望步骤用于创建使用参数的当前估计值评估的对数似然性的期望函数,该步骤用于计算使期望对数最大化的参数。在E步上找到的可能性。 然后,这些参数估计值将用于确定下一个E步骤中潜在变量的分布。 例子 在此示例中,我们首先从两个正态分布生成点的数据集,并标记该数据集。 带有正确标签的数据集是我们的真实值。 然后,我们重新组合标签并为新数据集运行EM算法。 EM算法正确地对数据集进行聚类,并且还估计了可用于绘制点的两个正态分布的参数。 结果 我在计算机上得到的结果如下: iteration: 1, error: 1.7244, mu1: [1.2662 1.7053], mu2: [3.6623 3.0902

文件下载

资源详情

[{"title":"( 11 个子文件 76KB ) em算法代码matlab实现-Expectation-Maximization:Matlab中的期望最大化(EM)算法","children":[{"title":"Expectation-Maximization-master","children":[{"title":"code","children":[{"title":"make_initial_guess.m <span style='color:#111;'> 560B </span>","children":null,"spread":false},{"title":"prob.m <span style='color:#111;'> 541B </span>","children":null,"spread":false},{"title":"maximization.m <span style='color:#111;'> 995B </span>","children":null,"spread":false},{"title":"expectation.m <span style='color:#111;'> 658B </span>","children":null,"spread":false},{"title":"calc_distance.m <span style='color:#111;'> 470B </span>","children":null,"spread":false},{"title":"generate_random_data.m <span style='color:#111;'> 525B </span>","children":null,"spread":false},{"title":"EM.m <span style='color:#111;'> 1.07KB </span>","children":null,"spread":false},{"title":"test_em.m <span style='color:#111;'> 2.31KB </span>","children":null,"spread":false}],"spread":true},{"title":"LICENSE <span style='color:#111;'> 34.32KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 2.16KB </span>","children":null,"spread":false},{"title":"result","children":[{"title":"EM_result.png <span style='color:#111;'> 59.59KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明