Q函数推导

使用EM算法最关键的是写出Q函数。 写出Q函数的第一步是找出隐变量。

高斯混合模型的EM算法,有几个地方不懂: 1. 9.27的γ\gamma定义的有点啰嗦,这样定义是否可以? γ[1,K]\gamma \in [1,K] γj\gamma_j表示第j个数据所使用的模型? 2. 9.11公式:

Q(θ,θ(i))=EZ[logP(Y,Zθ)Y,θ(i)]Q(\theta, \theta^{(i)}) = E_Z[\log P(Y,Z|\theta)|Y, \theta^{(i)}]

9.17公式:

Q(θ,θ(i))=ZP(ZY,θ(i))logP(Y,Zθ)Q(\theta, \theta^{(i)}) = \sum_ZP(Z|Y,\theta^{(i)})\log P(Y, Z|\theta)

9.28求得的logP(y,γθ)\log P(y,\gamma|\theta)相当于Q函数中的logP(Y,Zθ)\log P(Y, Z|\theta)了。 接下来求Q函数时为什么用上面的公式不用下面的? 3. 9.28算期望怎么算的?看不懂

Last updated