數據挖掘十大經典算法系列，點擊鏈接直接跳轉：

• 數據挖掘簡介及十大經典算法（大綱索引）
• 1. 數據挖掘十大經典算法之——C4.5 算法
• 2. 數據挖掘十大經典算法之——K-Means 算法
• 3. 數據挖掘十大經典算法之——SVM 算法
• 4. 數據挖掘十大經典算法之——Apriori 算法
• 5. 數據挖掘十大經典算法之——EM 算法
• 6. 數據挖掘十大經典算法之——PageRank 算法
• 7 數據挖掘十大經典算法之——AdaBoost 算法
• 8. 數據挖掘十大經典算法之——KNN 算法
• 9. 數據挖掘十大經典算法之——Naive Bayes 算法
• 10. 數據挖掘十大經典算法之——CART 算法

簡介

EM 算法是基于模型的聚類方法，是在概率模型中尋找參數最大似然估計的算法，其中概率模型依賴于無法觀測的隱藏變量。E 步估計隱含變量，M 步估計其他參數，交替將極值推向最大。

EM 算法比K-means 算法計算復雜，收斂也較慢，不適于大規模數據集和高維數據，但比K-means 算法計算結果穩定、準確。EM 經常用在機器學習和計算機視覺的數據集聚（Data Clustering）領域。

案例

來個經典的

• 【硬幣問題】如何感性地理解EM算法？

總結

以上是生活随笔為你收集整理的数据挖掘十大经典算法之——EM 算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。