计算机视觉
图像处理

机器学习中的EM算法详解及R语言实例(2)

文章目录

我们在上一篇文章中介绍了EM算法的基本原理,如果读者对此不甚了解,建议参阅

机器学习中的EM算法详解及R语言实例(1)

4. 高斯混合模型
高斯混合模型(GMM,Gaussian Mixture Model)可以看成是EM算法的一种现实应用。利用这个模型可以解决聚类分析、机器视觉等领域中的许多实际问题。

4.1 模型推导

在 讨论EM算法时,我们并未指定样本来自于何种分布。实际应用中,常常假定样本是来自正态分布之总体的。也就是说,在进行聚类分析时,认为所有样本都来自具 有不同参数控制的数个正态总体。例如前面讨论的男性女性身高问题,我们就可以假定样本数据是来自如图13-5所示的一个双正态分布混合模型。这便有了接下 来要讨论的高斯混合模型。

4.2 应用实例

软件包mclust提供了利用高斯混合模型对数据进行聚类分析的方法。其中函数Mclust()是进行EM聚类的核心函数,它的基本调用格式为

全文完。

本文参考文献:

1、斯坦福的公开课——机器学习 ,由Andrew Ng主讲

2、JerryLead的博客

3、数据挖掘导论,Pang-Ning Tan,Michael Steinbach,Vipin Kumar 著

转载注明来源:CV视觉网 » 机器学习中的EM算法详解及R语言实例(2)

分享到:更多 ()
扫描二维码,给作者 打赏
pay_weixinpay_weixin

请选择你看完该文章的感受:

0不错 1超赞 0无聊 0扯淡 0不解 0路过

评论 4

评论前必须登录!