1EM算法是一种迭代算法，主要用于计算后验分布的众数或极大似然估计，广泛地应用于缺损数据、截尾数据、成群数据、带有讨厌参数的数据等所谓不完全数据的统计推断问题。2EM算法是一种非监督的学习算法，它的输入数据事先不需要进行标注。相反，该算法从给定的样本集中，能计算出高斯混和参数的最大似然估计。也能得到每个样本对应的标注值，类似于kmeans聚类(输入样本数据，输出样本数据的标注)。3优点：EM算法简
转载
2023-07-13 13:48:35
72阅读
1.EM算法1.1概述 EM（Expectation-Maximum）算法也称期望最大化算法，曾入选“数据挖掘十大算法”中，可见EM算法在机器学习、数据挖掘中的影响力。EM算法是最常见的隐变量估计方法，在机器学习中有极为广泛的用途，例如常被用来学习高斯混合模型（Gaussian mixture model，简称GMM）的参数；隐式马
转载
2023-09-27 22:08:53
137阅读
EM算法——期望极大值算法1. EM算法的简介及案例介绍2. EM算法的推导3. EM算法3.1 算法步骤：3.2 EM算法的收敛性4. EM算法应用——求解高斯混合模型(GMM)的参数4.1 高斯混合模型(Gaussian mixture model,GMM)4.2 EM算法估计高斯混合模型的参数5.EM算法的推广——广义期望极大算法(GEM) 本文内容主体是基于李航老师的《统计学习方法
转载
2024-08-12 20:28:10
51阅读
1.哈希算法介绍将任意长度的二进制值串映射为固定长度的二进制值串，该映射的规则就是哈希算法。 2.哈希算法满足条件1.从哈希值不能反向推导出原始数据（哈希算法，单向哈希算法）
2.对输入数据非常敏感，哪怕原始数据只修改了一个bit，最后得到的哈希值也大不相同
3.散列冲突的概率要很小，对于不同的原始数据，哈希值相同的概率非常小
4.哈希算法的执行效率要尽量高，针对较长的文本，能够快速计算
转载
2023-07-24 15:54:10
109阅读
维特比算法背景：安德鲁·维特比（Andrew J. Viterbi），CDMA之父，IEEE Fellow，高通公司创始人之一，高通首席科学家。他开发了卷积码编码的最大似然算法而享誉全球。1991年香农奖（Claude E. Shannon Award）获得者。维特比算法由 安德鲁·维特比(Andrew Viterbi) 于1967年提出，用于在数字通信链路中解卷积以消除噪音。 此算法被广泛应用于
转载
2023-11-29 12:45:52
13阅读
分治算法也是一种重要的求解问题的思路，移用百科的定义，分治就是分而治之，就是将一个规模比较大的问题分解为几个规模较小的问题，这些规模较小的问题是相互独立的，但是它们与原问题性质相同，可以用相同的思路进行继续分解求解，最后将这些小规模的问题求解出的解合并起来作为原问题的解，故而分治算法的求解过程为： ...
转载
2021-09-20 21:04:00
328阅读
2评论
回溯算法是一种递归模式，它是一种暴力求解方法(brute force method)，用于求出所有可能的解，回溯算法通常会构建一个状态空间树(state space tree), 将可能的组和从根到叶节点进行展开，然后以深度优先的方式搜索遍历状态树，遍历过程中遇到不符合解的节点立马返回进行新的遍历， ...
转载
2021-10-07 14:16:00
190阅读
2评论
Python可以做什么1.系统编程2.用户图形接口1）Tkinter2）wxPython3) PyQt4)PyGTK5)通过PyWin32使用MFC6）通过IronPython使用.NET7) 通过JPytho
原创
2024-06-28 12:05:51
40阅读
递归(recursive)算法是一种循环调用自身来解决问题的思想，这是一中比较神奇的方法，你只要能口述循环调用过程，然后设定好基础情况(什么时候开始、什么时候结束)，基本根据描述就可以将思路转换成代码，递归算法有以下条件组成： 1、递归开始和结束的基本条件(base case) 2、每次执行需要循环 ...
转载
2021-09-20 15:17:00
99阅读
2评论
Python 应用领域 Python不仅仅是一个设计优秀的程序语言，它能够完成现实中的各种任务，包括开发者们日复一日所做的事情。作为编制其他组件、实现独立程序的工具，它通常应用于各种领域。实际上，作为一种通用语言，Python
的应用角色几乎是无限的：你可以在任何场合应用Python, 从网站和游戏开发到机器人和航天飞机控制。 &nbs
转载
2023-06-29 08:50:52
35阅读
前言 EM算法大家应该都耳熟能详了，不过很多关于算法的介绍都有很多公式。当然严格的证明肯定少不了公式，不过推公式也是得建立在了解概念的基础上是吧。所以本文就试图以比较直观的方式谈下对EM算法的理解，尽量不引入推导和证明，希望可以有助理解算法的思路。介绍 EM方法是专门为优化似然函数设计的一种优化算法。它的主要应用场景是在用缺失数据训练模型时。由于数据的缺失，我们只能把似然函数在这些缺失数据上边
转载
2023-06-14 19:53:57
112阅读
文章目录5. EM 算法EM算法简介EM算法流程部分常见问题EM算法收敛程度取决于什么？EM算法是否一定收敛？如果EM算法收敛，能否保证收敛到全局最大值?EM算法应用 5. EM 算法EM算法简介EM（Expectation-Maximum）算法，也称为期望最大化算法。EM算法是最常见的隐变量估计方法，在机器学习中有极广泛的用途，例如常被用用来学习：高斯混合模型（GMM）的参数；隐式马尔科夫算法
转载
2023-07-11 12:33:20
93阅读
Python是一种高级编程语言，可以用来进行多种类型的开发。其中一些常见的用途包括：Web开发：使用框架如Django和Flask来构建网站和Web应用程序。科学计算和数据分析：使用库如NumPy和Pandas进行数学计算和数据处理。机器学习：使用库如TensorFlow和Scikit-Learn进行机器学习和人工智能开发。自动化：使用Python进行自动化任务，如网络爬虫、数据抓取和自动化报告生
转载
2023-06-16 14:49:24
118阅读
贪心算法(greedy algorithm):贪心算法的思想很简单，求解一个问题分为多个步骤，每次求解时总是做出在当前步骤来看是最优的解，在求解问题时，往往需要对给定的集合中的数据进行一次遍历，有时候一次遍历还可能找不出所需要的答案，这时候就需要进行多次遍历，每一次遍历其实就是一步求解，就是对下一个 ...
转载
2021-09-21 12:10:00
375阅读
2评论
## Python复数用途
Python是一种通用的高级编程语言，它的灵活性和功能强大使得它成为科学计算和数据分析的首选语言之一。除了常见的整数、浮点数和字符串等基本数据类型之外，Python还支持复数类型。复数是由实数部分和虚数部分组成的数，虚数部分以"j"或"J"作为后缀。
在本文中，我们将探索Python复数的用途，并提供一些代码示例来说明它们的应用。
### 复数的表示和运算
在P
原创
2023-09-20 00:33:21
379阅读
# Python Circus 用途探秘
Python Circus 是一个轻量级的多线程框架，广泛应用于实时数据处理、服务器管理、以及各种需要并发操作的场景。在现代软件开发中，尤其是在大数据和云计算的环境下，高效的并发处理显得尤为重要。本文将探讨 Python Circus 的主要用途，并通过代码示例加以说明。
## 1. 什么是 Python Circus？
Python Circus
原创
2024-10-19 06:18:25
274阅读
Python作为一门脚本语言，它灵活、易用、易学、适用场景多，实现程序快捷便利，早已经成为程序员们的一门编程利器。从小到服务器运维的脚本，到大型软件开发，使用python都能够很灵活的快速实现。python不但可以快速实现大型的web应用程序，在网络层的开发，以及工程计算、数学计算上都有方便的开发手段。Map&Reduce思想在python里面也有着非常方便的实现。甚至在一些嵌入式设备上，
转载
2023-06-15 11:30:18
100阅读
随着Python的技术的流行，Python为人们的工作与生活上带来了很多的便捷，因为Python简单，学起来快，也是不少新手程序员入门的首选语言。新手们比较关心的就是Python的发展前景与方向。那么学会python后可以用来做什么呢？1、从自身特性看Python发展Python自身强大的优势决定其不可限量的发展前景。Python作为一种通用语言，几乎可以用在任何领域和场合，角色几乎是无限的。Py
转载
2023-08-09 18:45:02
54阅读
Python作为一门胶水型语言，语法简单，易学易懂，应用范围非常广，下面我简单介绍一下：机器学习这是Python目前火起来的一个主要原因，Python提供了许多用于机器学习的模块，像tensorflow，scikit-learn等，内置了大量机器学习算法，包括回归、分类、聚类、降维等，可以很方便的构建机器学习模型，因此在机器学习方面有着非常好的应用前景：数据处理这也是Python应用比较多的一个方
转载
2023-09-12 22:59:05
0阅读
随机森林算法学习最近在做kaggle的时候，发现随机森林这个算法在分类问题上效果十分的好，大多数情况下效果远要比svm，log回归，knn等算法效果好。因此想琢磨琢磨这个算法的原理。要学随机森林，首先先简单介绍一下集成学习方法和决策树算法。下文仅对该两种方法做简单介绍（具体学习推荐看统计学习方法的第5章和第8章）。Bagging和Boosting的概念与区别随机森林属于集成学习（Ensemble
转载
2024-08-12 13:29:41
41阅读
