情侣网站建设策划书,易语言做网站简单教程,互动营销的概念,合优人才网下载1.EM算法的介绍 可以发现#xff1a;计算出θA和θB的值的前提是知道A、B币种的抛掷情况。 所以我们需要使用EM算法#xff1a;求出每轮选择硬币种类的概率
2.EM算法执行过程#xff1a;
第一步#xff1a;首先初始化设置一组PA和PB证明的值。然后通过最大似然估计得到每…1.EM算法的介绍 可以发现计算出θA和θB的值的前提是知道A、B币种的抛掷情况。 所以我们需要使用EM算法求出每轮选择硬币种类的概率
2.EM算法执行过程
第一步首先初始化设置一组PA和PB证明的值。然后通过最大似然估计得到每轮实验对于硬币种类的选择。【E步】 第二步继续用最大似然估计和第一步进行迭代。 首先得到标准答案 然后随机初始化进行假设第一轮是AorB 得到第一轮PA正0.005 然后假设第一轮的硬币是B得到概率0.03 可以得到【这个过程就是E步】 得到隐变量的选择序列后再根据这个序列重新计算PA和PB的结果**M步** 然后E和M所对应的初始化值和估计值进行对比 然后在第二轮迭代时重选择使用的硬币 然后基于新的硬币序列重新计算PA和PB会发现计算结果越来越接近真实的PA0.4和PB0.5 结论 EM最终迭代后的结果不一定就刚好满足最初设想的真实值最终结果取决于初始化情况。
