EM算法Python实现

大小: 2KB

文件类型: .py

金币: 1

下载: 0 次

发布日期: 2021-06-16
语言: Python
标签:

高速下载

资源简介

对统计学习方法EM算法进行了python实现，并针对简单数据的高斯混合模型进行EM算法的参数估计，感兴趣的同学可以一起交流。

资源截图

小图大图

代码片段和文件信息

from numpy import*

‘‘‘
E步：依据当前模型参数，计算分模型k对观测数据Yj的响应度
alphamiusigma: 高斯混合模型参数
NK：观测数据个数及分模型个数
yValue: 观测数据
‘‘‘
def eStep（yValueNKalphamiusigma）:
    gama=zeros（（NK））
    for j in range（N）:
        Denom=0.0
        Numer=mat（zeros（（1K）））
        for k in range（K）:
            Numer[:k]=（alpha[k]*exp（（-（yValue[j]-miu[k]）**2）
                                     /（2*sigma[k]**2））/（2.506628*sigma[k]））#算分子
            Denom += Numer[:k]#算分母
        gama[j :] = Numer[::] / Denom
    return gama
‘‘‘
M步：计算新一轮迭代的模型参数
alphamiusigma: 高斯混合模型参数
NK：观测数据个数及分模型个数
yValue: 观测数据gama:E步计算结果
‘‘‘
def mStep（yValuegamaNKalphamiusigma）:
    for k in range（K）:
        sum1 sum2 sum3= 0.0 0.0 0.0
        Numer2=zeros（（N1））
        sum1 = sum（multiply（gama[:k]yValue[:]））
        sum2 = sum（gama[:k]）
        miu[k][0] = sum1/sum2#更新miu
        alpha

共有条评论

EM算法Python实现

资源简介

资源截图

代码片段和文件信息

评论

相关资源