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

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注