1回答
假设有3n个人，第i个人可以通过概率为p_i的测试，现在你需要把他们分成n组，每组有3个人。如果至少有两个人通过测试，一组的分数等于1，否则为0。为了最大化总分的期望值，你如何对它们进行分组？我已经考虑这个问题有一段时间了，我直观地认为将两个大的p_i和一个小的p_i组合在一起是有意义的，而且我也考虑过在最优的安排下，交换来自不同组的任何两个p_i应该会降低期望。当交换两个学生时，我可以数学地写出期望的差异，但似乎没有给出任何明显的结果。我撞到墙了。
浏览 19提问于2020-08-18得票数 2
8回答
期望最大化(EM)是一种概率分类方法。如果我错了，如果它不是一个分类器，请纠正我。
对这种EM技术的直观解释是什么？这里的expectation是什么?什么是maximized
浏览 1提问于2012-08-04得票数 116
回答已采纳
5回答
我想使用高斯混合模型进行数据聚类(使用期望最大化(EM)算法，该算法针对每个观察值将后验概率分配给每个组件密度)。有没有一个包含高斯混合模型以及样本数据集和示例的c++库？
浏览 2提问于2010-01-19得票数 5
1回答
每个项目都有一个值v_i和一个连续概率p_i，我要玩一个游戏，在这里我选择一个项目，得到它的值，然后继续玩它对应的概率。如果我继续，我可以捡起任何剩余的项目，把它的价值加到我的和，并再次取决于它的延续概率。如果我幸运的话，我可以玩到没有剩下的东西。我想选择一个订单来最大化我的期望值。
浏览 3提问于2016-07-18得票数 4
回答已采纳
2回答
假设您有一个n个正态分布数的数组，其值最初是未知的(概率参数也未知)。您必须选择一个数字，并希望它具有最大值。你一次只检查一个数字。你会用什么策略来最大化所选数字的期望值？
我们可以用迄今所见的数字来估计分布。我们可以计算列表其余部分中最大值的期望值，如果它小于当前数字，我们将使用当前的数字。因为到目前为止，我只上过一门本科概率课程。谢谢!
浏览 0提问于2022-09-29得票数 1
1回答
基本上，使用了一个三态模型:状态= {H=alpha螺旋，B=beta工作表，C=coil}
并且每个状态的发射概率pmf为1- 20 (对于20个氨基酸)。在前向后向模型上使用序列的“训练集”后，期望最大化收敛于最优转换矩阵(三个状态之间的3乘3)，以及每个状态的发射概率pmf。有没有人知道序列的数据集(最好是非常小的)，其中确定了转移矩阵和发射概率的“正确”值。我想使用Excel中的数据集来应用前向后向算法，并建立我的信心，以确定我是否可以获得相同的结果。
浏览 0提问于2013-05-02得票数 2
1回答
以下是我的第一个问题:期望值被定义为因此，我认为日志的期望值将是以下表达式，与书中的Eq.1不一样。接下来，该书认为，最大化上述对数似然函数(Eq.2)与最小化KL散度是一样的：或者更简单的说，就是将第二个任期最小化。因此，作者说，无论是哪种方式，我们都可以得到与Eq.2相同的函数。📷📷
我可以将这个定义理解为log(q)的期望值，它与Eq.2中的表达式相同。在这里，Q(模型)的概率已经提高到了发生的次数；然后在取日志
浏览 0提问于2020-12-19得票数 3
回答已采纳
1回答
我是微软的用户，擅长解决问题，而且我确信不可能解决两个价值最大化的问题。我想知道是否有人会有其他聪明的方法来做这件事。我也不想仅仅最大化这个值，还想要一个概率值(范围从0到1)，我也想要最大化。
把它们加起来是行不通的，因为这样做会大大低估概率值，而乘以可能会起到相反的作用，高估概率。
浏览 0提问于2017-02-17得票数 2
最近，我选择在公共数据集中使用DBSCAN集群。但由于参数Eps和挖掘值敏感，很难在整个数据集上获得性能良好的参数值。在调整DBSCAN的参数时，似乎存在过度拟合.我知道EM算法可以用来调整GMM模型的参数，我不知道是否可以将EM算法应用到DBSCAN中。我需要一些关于它的想法或建议。以前有人试过吗？
浏览 1提问于2017-11-15得票数 0
回答已采纳
另一种常用的方法是期望最大化(EM)算法，该算法为每个实例分配一个概率分布，该分布表示该实例属于每个集群的概率。
这个算法是在R中实现的吗？
浏览 1提问于2010-02-23得票数 13
1回答
本文试图在python中实现高斯混合模型的期望最大化算法。给出高斯分布的平均mu和协方差σ，下面一行计算数据X的高斯概率p： p[i] = scipy.stats.multivariate_normal.pdf
浏览 4提问于2017-02-06得票数 4
回答已采纳
1回答
我是一个新的AI学习者，我理解期望最大的工作方式，然而，我得到了一个新的术语，称为期望最小最大。那么，expeciminimax和expectimax有什么不同呢？或者它们是相同的术语？
浏览 7提问于2020-11-19得票数 1
1回答
G= ( v，E)，其中每个边(u，v)∈E有一个相关联的值r(u，v)，它是0≤r(u，v)≤1范围内的实数，表示从顶点u到顶点v的通信通道的可靠性，我们将r(u，v)解释为从u到u的通道不会失败的概率，我们假设这些概率是独立的。
浏览 0提问于2020-11-24得票数 2
我需要找到一种方法来找到两个顶点之间的路径，最大化边属性的乘积。在我的例子中，边属性是连接的概率。让我们假设我想在下面的例子中找到顶点1和4之间的最大概率路径：G<-graph.data.frame(as.data.frame(cbind(id1=c(1,1,2,3,1,4get.shortest.paths(G,1,4, weights=1-E(G)$weight, output="epath")[[1]]prod(E(G)$weight[b])
在这个
浏览 0提问于2013-04-16得票数 2
回答已采纳
2回答
概率和最短路径算法
、、、、
p(d)表示包裹沿着该弧线安全到达的概率。将包裹在其路径上的每条弧线上的所有概率相乘，提供了包裹安全到达其目的地的概率。
有没有一个公式可以让我们以最短路径问题的形式最大化包裹安全到达的概率？
浏览 1提问于2014-09-11得票数 1
2回答
图是无向的(正如您所期望的)。每个人都有购买产品的个人“亲和力”(为了简化事情，假设这个问题只涉及一个产品)。网络很大。不可能以天真的方式模拟所有的选项。
浏览 1提问于2013-04-09得票数 4
假设我们有一个bernoulli变量和一个连续的解释变量。在运行模型之后，使用手边的logit值(假设它是1.3，这意味着我们成功的机会比失败的机会高出30% )，我想分配一个值0和1，因为我正在进行贝叶斯预测。提前感谢
浏览 2提问于2015-12-27得票数 0
1回答
在公式中RHS概率是从训练数据P(A|B)计算的，其中A是输入特征，B是目标类，P(B)是所考虑的目标类的概率，P(A)是输入特征的概率。一旦你计算了这些先验概率，你就得到了测试数据，然后根据测试数据的输入特征，计算出目标类别的概率P(B|A) (我想这就是后验概率)。现在，在一些视频中，他们教导说，在这之后，你必须对P(B|A)进行归一化，以获得目标类的概率。
为什么这是必要的。P(B|A)本身不是目
浏览 0提问于2020-09-05得票数 0
云服务器
ICP备案
对象存储
云直播
腾讯会议
腾讯云开发者
