人工智能经典电子书4.贝叶斯分类器--EM算法.pdfVIP

EM(ExpectationMaximization)

贝叶斯分类器学习大纲

•8月25日：

–1.初识贝叶斯分类器

–2.最大似然估计和贝叶斯参数估计

•9月1日：

–3.贝叶斯网络与朴素贝叶斯分类器

–实战

•9月8日：

–4.EM算法

–实战

outline

•EM算法简介

•EM算法引例

•EM算法步骤

•EM算法的原理

•EM算法的应用

EMintroduction

EM算法是一种迭代算法，1977年由

Dempster等人总结提出，用于含有隐变

量的概率模型参数的极大似然估计，或极

大后验概率估计。

EM算法的每次迭代由两步组成：E步，

求期望（Expectation）；M步，求极大

（Maximization）。所以这一算法称为期

望极大算法

极大似然估计

极大似然估计是一种常用的参数估计方法，

它是以观测值出现的概率最大作为准则。

关于极大似