EM算法逼近GMM参数针对二维数据点的python实现

上传者: xiaopangxia | 上传时间: 2021-05-14 09:17:06 | 文件大小: 184KB | 文件类型: ZIP
EM算法逼近GMM参数针对二维数据点的python实现。 GMM即高斯混合模型,是将数据集看成是由多个高斯分布线性组合而成,即数据满足多个高斯分布。EM算法用来以迭代的方式寻找GMM中个高斯分布的参数以及权值。GMM可以用来做k分类,而混合的高斯分布个数也就是分类数K。

文件下载

资源详情

[{"title":"( 17 个子文件 184KB ) EM算法逼近GMM参数针对二维数据点的python实现","children":[{"title":"EM_algorithm_implement","children":[{"title":"mean_trajectory.png <span style='color:#111;'> 43.18KB </span>","children":null,"spread":false},{"title":"EM_algorithm_GMM.py <span style='color:#111;'> 8.94KB </span>","children":null,"spread":false},{"title":"old_faithful_geyser_data.txt <span style='color:#111;'> 3.62KB </span>","children":null,"spread":false},{"title":"说明文档.docx <span style='color:#111;'> 106.89KB </span>","children":null,"spread":false},{"title":"show_point2D.py <span style='color:#111;'> 565B </span>","children":null,"spread":false},{"title":"times_distribut.png <span style='color:#111;'> 22.51KB </span>","children":null,"spread":false},{"title":".idea","children":[{"title":"EM_algorithm_implement.iml <span style='color:#111;'> 284B </span>","children":null,"spread":false},{"title":"workspace.xml <span style='color:#111;'> 42.60KB </span>","children":null,"spread":false},{"title":"encodings.xml <span style='color:#111;'> 200B </span>","children":null,"spread":false},{"title":"vcs.xml <span style='color:#111;'> 164B </span>","children":null,"spread":false},{"title":"misc.xml <span style='color:#111;'> 688B </span>","children":null,"spread":false},{"title":"xxx <span style='color:#111;'> 22B </span>","children":null,"spread":false},{"title":"modules.xml <span style='color:#111;'> 296B </span>","children":null,"spread":false},{"title":".name <span style='color:#111;'> 22B </span>","children":null,"spread":false}],"spread":true},{"title":"pre_k_means_.py <span style='color:#111;'> 606B </span>","children":null,"spread":false},{"title":"point_in_2D.png <span style='color:#111;'> 50.07KB </span>","children":null,"spread":false},{"title":"iter_times_distribution.py <span style='color:#111;'> 276B </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明