EM和PCA和LDA和Ensemble Learning

EM 琴生不等式Jensen Inequality 參考下圖黑洞傳送門 MLE最大似然估計 一個數據集出現了，我們就最大化這個數據集的似然概率。 數據集中每個點都是獨立出現的，因此可以概率連乘。 求得使得似然概率最大（當前數據集出現的估計概率）的參數。 MLE的對數累加形式 log是凹函數，因此 l o g ( E ( x ) ) ≥ E ( l o g ( x ) ) log(E(x)) \ge

>>阅读原文<<