期望最大化 - 关于硬币投票实例中的观察计数

时间:2013-03-23 14:17:22

标签: machine-learning statistics nlp expectation-maximization

我可以看到许多与EXPECTATION-MAXIMIZATION算法相关的例子。

很少有链接

Expectation Maximization coin toss examples
https://math.stackexchange.com/questions/81004/how-does-expectation-maximization-work-in-coin-flipping-problem
https://math.stackexchange.com/questions/25111/how-does-expectation-maximization-work
http://www.nature.com/nbt/journal/v26/n8/full/nbt1406.html?pagewanted=all

在所有情况下,我们都有一组隐藏的来源(通常是硬币)..和一组观察(通常是抛硬币)。

例如
SRC = {Coin-1,Coin-2}
观察结果是 {HTH,SRC1},
{THH,SRC2},
{HHH,SRC3},
{HTH,SRC4},
{HTT,SRC5}
在这里我们选择一枚硬币(未观察到的,SRC1)并投掷三次(观察到,HTH)。

我的问题是,如果我作为单个硬币投掷进行观察,例如 {H,SRC1},
{T,SRC2},
{H,SRC3},
{H,SRC4},
{H,SRC5}
EM会为这种情况工作吗?
如果是这样,会有什么结果?

1 个答案:

答案 0 :(得分:2)

是。有可能的。我在下面包含了一个派生(但这不适合stackoverflow):

enter image description here enter image description here