馬爾可夫分支：
1. 馬爾可夫網 （判別式，無項有環圖）：1）gibbs（玻爾茲曼機） 2）crf條件隨機場 3）馬爾可夫隨機場
2.1 動態貝葉斯 （生成式，有向無環圖）：1）卡爾曼濾波 2）hmm 隱馬爾可夫 2.2 靜態貝葉斯
先驗估計：data-->label
後驗估計: data-->label
似然估計：label-->data
em應用：
em應用：
有雜訊的擬合，離群值檢測
最小二乘由於會盡可能擬合所有點所以不適用於有雜訊情況。非確定方法，效果受到迭代次數和有效點佔比影響。
1. 隨機假設一組局內點為初始值，用此局內點擬合模型。
2. 用所有點去測試模型判斷誤差。
3. 符合條件的點重新成為局內點構建模型。
4. 迭代直至局內點數量達標
EM 期望最大化演算法
em演算法編輯 最大期望演算法 expectation maximization algorithm，又譯期望最大化演算法 是一種迭代演算法，用於含有隱變數 hidden variable 的概率引數模型的最大似然估計或極大後驗概率估計。中文名 em演算法 外文名 expectation maxim...
期望最大 EM 演算法
在概率模型中尋找引數最大似然估計的演算法。em演算法 是一種迭代演算法，用於含有隱變數的引數模型的最大似然估計。應用於資料聚類領域。最大似然估計 1 寫出似然函式 2 對似然函式取對數，並整理 3 求導數 4 解似然方程 期望最大 演算法經過兩個步驟交替進行計算，第一步是計算期望 e 也就是將隱藏變...
視窗最大化
1 jframe 視窗最大化，在建構函式中 新增如下 this.setextendedstate jframe.maximized both 2 jinternalframe視窗最大化，需要在新增到jframe的desktoppane之後設定，如下 bookframe.setmaximum true...