algorithm - EM算法的贝叶斯信息准则计算

标签 algorithm machine-learning cluster-analysis bayesian

BIC的计算公式为,

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

假设情况如下:

样本数(n) = 500簇数(K) = 4 的二维高斯数据。

这里的# of parameters是什么?

这里最简单的逻辑(在我看来)是# of parameters = K * 3 = 12.k * 3 因为有三个参数(musigmaprior) 对于每个 k = 4 类。

如有错误请指正

最佳答案

如果你的数据维度是d ,你的平均向量可能有 d变量和你的协方差矩阵有 d^2变量。

所以我会说你有 (2 + 2 * 2 + 1) * 4 = 28变量。

关于algorithm - EM算法的贝叶斯信息准则计算,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/26540843/

相关文章:

python - 如何从 GridSearchCV 中的每个折叠中获得准确性和 f1 分数?

python - 寻找数字编码分类变量之间的相关性?

c - 简单的脑残,更好的算法

生成具有特定属性的 +/- 字符串的算法

ruby - 如何有效地确定字符串中每个 100 个字符 block 中特定字符的百分比?

r - 从 R 中的切割树状图中提取标签成员/分类(即 : a cutree function for dendrogram)

Python计算顶点度数矩阵

algorithm - 联合查找解决方案的时间复杂度

tensorflow - 使准确性出现在我的结果中并解释损失和 val_loss 的结果

python - 查找整数列表中的簇数