在聚类中我们经经常使用到EM算法（i.e. Estimation – Maximization）进行參数预计, 在该算法中我们通过函数的凹/凸性，在estimation和maximization两步中迭代地进行參数预计，并保证能够算法收敛，达到局部最优解。
PS：为了不在11.11这个吉祥的日子发blog，还是打算今天发了，祝单身coder节日快乐，心情愉快~~
因为公式实在太多，这里我就手写了……主要讲了下面几个部分：
1. 凸集，凸函数，凹集，凹函数的概念
2. Jensen’s inequality
3. EM算法两步迭代过程与收敛性证明
以下就这三部分予以介绍：
发现好东西了，我的这个看着不是非常清晰，大家能够看这个人写的http://www.cnblogs.com/jerrylead/archive/2011/04/06/2006936.html~
关于Machine Learning很多其它的学习资料与相关讨论将继续更新，敬请关注本博客和新浪微博Sophia_qing。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/118990.html原文链接：https://javaforall.net
