多次見到，今天特此記錄下！
期望最大化算法是基于質(zhì)心得一個聚類算法，它依賴于距離的某種度量，通常是歐幾里得距離。
如果預先指定了簇數(shù)n，則首先從隨機選擇n個記錄作為n個簇的質(zhì)心開始。數(shù)據(jù)集中的每個記錄都分配給它最近的質(zhì)心，因此分配給它的質(zhì)心代表的簇。在下一輪中，每個質(zhì)心都移動到屬于該群集的所有記錄的均值的位置。同樣，每個記錄都分配給它最近的質(zhì)心，因此也分配給相應(yīng)的簇。重復此過程，直到基于所有點到質(zhì)心的平方距離的某種誤差測量值降至某個閾值以下。
現(xiàn)在，每個記錄已分配給一個群集。 k均值的變化不僅估計每個聚類的平均值，而且將每個聚類建模為高斯核，同時也估計方差。這既是期望最大化算法 的基本思想了。

總結(jié)

以上是生活随笔為你收集整理的期望最大化算法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。