主成分分析-维基百科
主成分分析维基百科,自由的百科全书跳到导航跳到搜索一个高斯分布,平均值为(1,3),标准差在(0.878,0.478)方向上为3、在其正交方向上为1的主成分分析。黑色的两个向量是此分布的协方差矩阵的特征向量,其长度为对应的特征值之平方根,并以分布的平均值为原点。在多元统计分析中,主成分分析(英语:Principalcomponentsanalysis,PCA)是一种统计分析、简化数据集的方法。它利用正交变换来对一系列可能相关的变量的观测值进行线性变换,从而投影为一系列线性不相关变量的值,这些不相
最近的文章

最大期望算法-维基百科

最大期望算法维基百科,自由的百科全书跳到导航跳到搜索最大期望算法(Expectation-maximizationalgorithm,又译期望最大化算法)在统计中被用于寻找,依赖于不可观察的隐性变量的概率模型中,参数的最大似然估计。在统计计算中,最大期望(EM)算法是在概率模型中寻找参数最大似然估计或者最大后验估计的算法,其中概率模型依赖于无法观测的隐变量。最大期望算法经常用在机器学习和计算机视觉的数据聚类(DataClustering)领域。最大期望算法经过两个步骤交替进行计算,第一步是计算期…

最大期望算法 EM继续阅读
更早的文章

隐马尔可夫模型-维基百科

隐马尔可夫模型维基百科,自由的百科全书跳到导航跳到搜索隐马尔可夫模型状态变迁图(例子)x—隐含状态y—可观察的输出a—转换概率(transitionprobabilities)b—输出概率(outputprobabilities)隐马尔可夫模型(HiddenMarkovModel;缩写:HMM)或称作隐性马尔可夫模型,是统计模型,它用来描述一个含有隐含未知参数的马尔可夫过程。其难点是从可观察的参数中确定该过程的隐含参数。然后利用这些参数来作进一步的分析,例如模式识别。在正常的马尔可夫模型中,状态…

隐马尔可夫模型继续阅读