数据挖掘十大经典算法系列,点击链接直接跳转:
数据挖掘简介及十大经典算法(大纲索引)1. 数据挖掘十大经典算法之——C4.5 算法2. 数据挖掘十大经典算法之——K-Means 算法3. 数据挖掘十大经典算法之——SVM 算法4. 数据挖掘十大经典算法之——Apriori 算法5. 数据挖掘十大经典算法之——EM 算法6. 数据挖掘十大经典算法之——PageRank 算法7 数据挖掘十大经典算法之——AdaBoost 算法8. 数据挖掘十大经典算法之——KNN 算法9. 数据挖掘十大经典算法之——Naive Bayes 算法10. 数据挖掘十大经典算法之——CART 算法
简介
EM 算法是基于模型的聚类方法,是在概率模型中寻找参数最大似然估计的算法,其中概率模型依赖于无法观测的隐藏变量。E 步估计隐含变量,M 步估计其他参数,交替将极值推向最大。
EM 算法比K-means 算法计算复杂,收敛也较慢,不适于大规模数据集和高维数据,但比K-means 算法计算结果稳定、准确。EM 经常用在机器学习和计算机视觉的数据集聚(Data Clustering)领域。
案例
来个经典的
【硬币问题】如何感性地理解EM算法?