EM算法入门相关文章翻译与总结-３

stanford的NLP课件是一个比较好的总结这里记录下。http://www.stanford.edu/class/cs224n/handouts/fsnlp-em-slides.pdf

 

 

又一个不同的应用场景，但是可以看出基本都是mixture…

引入hidden variable让计算变的容易,因为确定了具体哪个part model产生

   这个推导看前面的总结

  关键词

 

下面是这个课件独有的，EM made easy

其实作者也是想证明Qfunction怎么获得的，思路和总结2中殊途同归，不过没有用log直接用概率*，利用artithmetic means >= geometric means

  如果再取log形式就一样了