ai講師人工智能講師葉梓《人工智能概念入門》機器學習深度學習講師-18結束

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37-38頁）

Python實作的EM

u 初始: [ 0.25447717 0.37797047]

u  0 [ 30.21943889 30.68531621]

u  1 [ 29.58857672 31.34010044]

u  2 [ 27.31817518 33.61036792]

u  3 [ 22.6182324 38.29831566]

u  4 [ 20.61652483 40.22624926]

u  5 [ 20.42627448 40.36824007]

u  6 [ 20.4065447 40.36767757]

u  7 [ 20.40190728 40.36422475]

u  8 [ 20.40024789 40.36268087]

u  9 [ 20.39960126 40.3620604 ]

u  10 [ 20.39934607 40.36181444]

u  11 [ 20.39924517 40.36171713]

u  12 [ 20.39920526 40.36167865]

EM算法的解釋及缺點

u EM算法的直覺解釋是：

u 如果缺失資料是已知的，就可以利用已知的完全資料處理技術對模型的未知參數進行估計。

u 如果模型的參數已知，根據模型我們可以推導出缺失資料的值。

u EM主要不足：

u 收斂速度慢

u 算法高度依賴初始值的選擇

（結束）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

————————————————