多個高斯分布的加權求和（pi表示每個分量的權重）叫做高斯混合模型（gmm），可以表示比單一高斯分布更複雜的分布。
每乙個樣本可以表示為
假設用極大似然求解，外層的p(x)相乘之後取log可以變成相加，但是裡層的log(加權求和)無法處理
當定義了one-hot的隱變數z，表示只取出了mixture中的某乙個高斯分布時，單獨乙個高斯分布p(x|z)處理起來就很容易了（當然處理很多個也很容易，迴圈一下完事）。
完全資料集合 無法獲取，但是潛變數 的後驗概率分布 ( | , )可以進行估計這句話的通俗解釋是：我們沒法知道每個樣本x是來自哪個分量z，但是可以知道這個樣本處於每個分量的概率是多少
e-step最大化樣本的期望
為什麼theta在後面？因為theta是已知的m-step尋找使q函式最大的引數值為什麼我們可以知道p(z|x,theta)？後驗概率，求選擇每個分量的概率
為什麼可以知道p(x,z|theta)？每個分量的簡單分布（比如單高斯分布）
具體到gmm
e-step求後驗概率
m-step更新引數
其中nk表示這個高斯產生了多少個樣本，之後就可以更新權重pi
XML是什麼的通俗理解
1 xml 指可擴充套件標記語言 extensible markup language 什麼是標記語言 這裡和文字語言對比，什麼是文字語言，比如記事本，裡面寫什麼就怎麼展示，比如寫乙個 臥槽 那麼你在任何地方開啟都只能看到乙個 臥槽 而且，所有地方，大小，方向，粗細都一致。那麼標記語言，先理解什麼是...
通俗理解鴨子型別是幹什麼的
定義大家都看過了，我說點容易理解的，我預設大家都是學過c語言的。還記得c語言怎麼定義變數的不。int x x 1 float y y 1.1 char z z hello 對吧，編譯器知道你定義的x是int型，y是float型,z是char型，因為你告訴它了。所以當你給變數x賦值x hello 時，...
C 中左值和右值是什麼以及存在的理解誤區
左值 lvalue 和右值 rvalue 的通俗理解是在如下的等式中，右值 right value 放在等號右邊，左值 left value 放在等號左邊，這就是左值右值的初步定義。int a 1 1但這種方式並不能解釋左值和右值的根本含義，並且並不是每乙個等式的左邊一定是左值，右邊一定是右值。其根...