Expectation-Maximization Algorithm
Kujutage ette, et proovite õppida mängu reegleid, jälgides mängijaid, kelle kaarte te ei näe. Igas voorus arvate, milliseid kaarte nad tõenäoliselt hoiavad, lähtudes sellest, mida te jälgite, seejärel värskendate oma reeglite mudelit, eeldades, et need arvamused on õiged. EM teeb täpselt seda: E-samm täidab puuduvad andmed tõenäosuslikult praeguste parameetrihinnangute abil ja M-samm kohandab mudelit nii, nagu oleksid need täidetud väärtused reaalsed vaatlused.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Dempster, A. P., Laird, N. M., & Rubin, D. B. (1977). Maximum likelihood from incomplete data via the EM algorithm. Journal of the Royal Statistical Society: Series B, 39(1), 1–38. DOI: 10.1111/j.2517-6161.1977.tb01600.x ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 2). Expectation-Maximization Algorithm. ScholarGate. https://scholargate.app/et/statistics/em-algorithm
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Suurima tõenäosuse meetodStatistika↔ compare
- MICEStatistika↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →