Polish subtitles

← Unit 6 5i EM as Generalization of k-Means

Unit 6 5i EM as Generalization of k-Means

Get Embed Code
3 Languages

Showing Revision 1 created 11/28/2012 by Amara Bot.

  1. Teraz już łatwo wyjaśnić dlaczego maksymalizacja oczekiwania
  2. jest uogólnieniem k-średnich.
  3. Jak zawsze, mamy kilka punktów
  4. oraz dwa losowo wybrane centra grupy.
  5. Ale teraz zamiast dopasowywać bezpośrednio do któregoś z centrów
  6. będziemy dopasowywać pośrednio.
  7. Każdy punkt jest przyciągany do centrum
  8. z siłą proporcjonalną do pewnego prawdopodobieństwa a posteriori,
  9. które za chwilę zdefiniuję.
  10. W kroku dopasowywania, lub maksymalizacji,
  11. centra grup są optymalizowane jak poprzednio
  12. ale przypisywanie nie jest już jednoznaczne
  13. dane są przypisywane do wszystkich centrów z różną siłą,
  14. nie tylko do tych najbliższych.
  15. W związku z tym, w maksymalizacji oczekiwania centra grup
  16. nie przemieszczają się tak daleko jak w przypadku K-średnich.
  17. Ich ruch jest łagodniejszy
  18. Nowe dopasowanie daje różne siły,
  19. oznaczone tu różnymi kolorami,
  20. a kolejne kroki relaksacji dają lepsze centra grup.
  21. Z upływem czasu, jak widzicie, stopniowo
  22. MO będzie zbiegał mniej więcej do takiego samego rozwiązania jak w przypadku K-średnich.
  23. Wszystkie przypisania są jednak wciąż aktywne.
  24. Nie ma przypisania zero - jedynkowego.
  25. Jest ono pośrednie,
  26. zależne od prawdopodobieństwa a posteriori, które zaraz wyjaśnię.