查看原文

? 机器学习：详细推导高斯混合聚类(GMM)原理(附Python实现)

内容简介：

目录

0 写在前面
1 高斯概率密度
2 混合高斯分布
3 GMM算法

3.1 定义
3.2 参数估计

4 Python实现

4.1 算法流程
4.2 E步
4.3 M步
4.4 可视化

0 写在前面
机器学习强基计划聚焦深度和广度，加深对机器学习模型的理解与应用。“深”在详细推导算法模型背后的数学原理；“广”在分析多个机器学习模型：决策树、支持向量机、贝叶斯与马尔科夫决策、强化学习等。强基计划实现从理论到实践的全面覆盖，由本人亲自从底层编写、测试与文章配套的各个经典算法，不依赖于现有库，可以大大加深对算法的理解。
?详情：机器学习强基计划(附几十种经典模型源码)

1 高斯概率密度
高斯分布又叫正态分布，是一个在理科、工科、文科等多个领域都非常重要的概...

?更多精彩头条内容，请收藏程序员导航网，为您提供一站式码农必备网址大全，持续为您输出优质站点和IT信息！