机器学习课程day11Contents目录EM算法原理介绍（重点）马尔科夫链及HMM原理介绍（重点）前向后向算法原理介绍（重点）维特比算法原理介绍（重点）鲍姆-韦尔奇算法原理介绍（重点）HMM案例实现（重点）Section章节EM算法原理介绍初识EM算法EM算法介绍EM算法实例1.EM算法原理介绍1.1视频讲解什么是EM？1.EM算法原理介绍1.2知识检测1、下列关于EM的描述错误的是？A）它是期望最大化（ExpectationMaximum）的缩写B）它主要用于解决在数据缺失情况下的参数估计问题C）它的主要实现步骤分为E-step和M-stepD）最终通过一次估计而得的参数即为最终的模型参数答案：D。需要多次循环期望最大化的步骤，直至最终结果收敛。Section章节EM算法原理介绍初识EM算法EM算法介绍EM算法实例1.EM算法原理介绍2.1视频讲解EM算法的具体实现步骤是怎样的？1.EM算法原理介绍2.2知识检测1、请对下列关于EM的实现步骤进行排序：A）求出使得似然函数取得最大值时的参数B）随机初始化模型参数θ0C）求出所有样本联合分布的条件概率期望作为似然函数D）判断此时的参数是否已收敛，否则继续重复EM计算求解参数答案：B→C→A→D。Section章节EM算法原理介绍初识EM算法EM算法介绍EM算法实例1.EM算法原理介绍3.1视频讲解EM算法在案例中是如何实现的？1.EM算法原理介绍3.2知识检测1、下列关于EM的实现原理描述正确的是？A）初始化的模型参数不会对EM算法的效果有任何影响B）EM模型最终估计出的参数一定会是模型最真实的参数C）使用期望的目的是为了将样本的所有可能的情况都考虑进去D）EM算法的E-step和M-step可以调换顺序答案：C。A中初始化的模型参数会音响EM算法的收敛速度和结果；B中EM模型最终估计出的参数会无限接近最真实的参数；D中EM算法的E-step和M-step顺序不能调换。Section章节马尔科夫链及HMM原理介绍马尔科夫链的介绍HMM模型的简单案例HMM模型三种经典问题举例求解HMM模型基础2.马尔科夫链及HMM原理介绍4.1视频讲解什么是马尔科夫链？2.马尔科夫链及HMM原理介绍4.2知识检测1、下列关于马尔科夫链的描述正确的是？（多选）A）它描述的是状态空间中状态的的随机变换过程B）状态“无记忆”表示的是当前时间点的状态与任何时间点的状态都无关C）下一状态的概率分布只与当前状态有关D）转移概率指的是当前状态改变成其他状态的概率答案：ACD。Section章节马尔科夫链及HMM原理介绍马尔科夫链的介绍HMM模型的简单案例H...
