課件為人工智能講師葉梓人工智能基礎課程之一，接上一篇，更多課程，及老師資料可點選 個人首頁
（人工智能基礎課件31頁）
EM手算示例
如果取哪一枚硬币是不可觀測的，
通過初始參數計算分布：
0.6^9*0.4^1/(0.6^9*0.4^1+0.5^10)=0.805
0.6^4*0.4^6/(0.6^4*0.4^6+0.5^10)=0.352
0.6^8*0.4^2/(0.6^8*0.4^2+0.5^10)=0.733
（32頁）
EM示例的解釋
- 隐變量Z為每次實驗中選擇A或B的機率，則第一個實驗選擇A的機率為
- 按照上面的計算方法可依次求出隐變量Z，然後計算極大化的θ(i)。
3、經過10次疊代，最終收斂。
（33頁）
EM的另一個例子——GMM
- 給定一些觀察資料y，假設y符合如下的高斯分布
2、需要求出混合高斯分布的三組參數
3、下圖中的GMM，一共有K個分布函數
對于每一個觀察到的樣本y，如果知道它屬于K中的哪個分布，那麼求它的這些參數就比較容易。
（未完，下一篇繼續）課件為人工智能講師葉梓人工智能基礎課程之一，接上一篇，更多課程，及老師資料可點選 個人首頁
由于小編專業能力有限，無法将老師課件編輯成文章。供一定基礎的同學将系列課件下載下傳整理
————————————————