贝叶斯信息准则在EM算法中的计算

计算BIC的公式如下,

BIC = -log(data/theta) - (# of parameter / 2) * log(n).

假设情况如下:

二维高斯数据,样本数量number of samples(n) = 500,聚类数量number of clusters(K) = 4

这里的# of parameters是多少?

我认为最简单的逻辑是# of parameters = K * 3 = 12. k * 3,因为每个k = 4类别有三个参数(musigmaprior)。

如果我错了,请纠正我。


回答:

如果你的数据维度是d,你的均值向量可能有d个变量,你的协方差矩阵有d^2个变量。

所以我认为你有(2 + 2 * 2 + 1) * 4 = 28个变量。

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注