EM算法入门文档

高斯混合模型（GMM）可以平滑任意形状的概率分布。其参数求解方法一般使用极大似然估计求解，但使用极大似然估计法往往不能获得完整数据（比如样本已知，但样本类别（属于哪个高斯分布）未知），于是出现了EM（

R语言是一个开放的统计编程环境,提供一种集成的统计工具.随着互联网的发展,数据量越来越大,缺失数据现象也越来越多.如何在数据丢失的情况下,将数据分析结果达到最优,文章探讨R软件的强大计算、统计功能应用

用matlab编写的EM算法，实现混合高斯模型的求解。有注释，便于初学者进行学习。

EM算法，用于多为高斯分布求取协方差矩阵

用于缺失数据的最大似然计算.分E步和M部,E步用MONTECARLO近似.

EM算法实例 通过实例可以快速了解EM算法的基本思想,具体推导请点文末链接。图a是让我们预热的,图b是EM算法的实例。 这是一个抛硬币的例子,H表示正面向上,T表示反面向上,参数θ表示正面朝上的概率。

MIT讲义，关于混合高斯模型和EM算法，讲解很到位，适合学习

EM算法,对EM算法的一个介绍，可能会对大家有用，包括其基本思想和简介

描述了EM算法的基本原理，介绍了高斯混合模型的解法

详细讲述了weka中EM算法解析，清晰，值得学习