Expectation-Maximization Algorithm
कल्पना कीजिए कि आप ऐसे खिलाड़ियों के खेल के नियमों को सीखने की कोशिश कर रहे हैं जिनके कार्ड आप नहीं देख सकते। प्रत्येक दौर में आप अनुमान लगाते हैं कि वर्तमान मापदंड अनुमानों के आधार पर वे कौन से कार्ड रख सकते हैं, फिर नियमों के अपने मॉडल को अपडेट करते हैं यह मानते हुए कि वे अनुमान सही हैं। EM ठीक यही करता है: E-चरण वर्तमान मापदंड अनुमानों का उपयोग करके संभाव्य रूप से लुप्त जानकारी को भरता है, और M-चरण मॉडल को फिर से फिट करता है जैसे कि वे भरे हुए मान वास्तविक अवलोकन हों।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 2). Expectation-Maximization Algorithm. ScholarGate. https://scholargate.app/hi/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.
- अधिकतम संभावना आकलनसांख्यिकी↔ compare
- MICEसांख्यिकी↔ compare