機器學習系列（4）：混合高斯模型+EM+K-means算法

前言：EM和K-means算法都是機器學習最基本的算法，與混合高斯模型求解有相似之處。EM是基於概率的期望最大，K-means是到質心距離最小化。兩者都要初始化參數，然後重新調整參數。

            個人覺得這句話很不錯：

           “沒有雞和蛋的先後之爭，因爲他們都知道“沒有你就沒有我”。從此他們一起過上了幸福美好的生活。” 

           需要靠參數的相互迭代產生最好的結果，當然由於初始值的不一樣，其得到最後優化結果也會不同。

正文：（不好意思，又要上圖了）

        

參考資料：1.lerrylead的混合高斯模型講解

                     2.lerrylead的EM算法講解

                     3.Mind的EM講解有例子，可以幫助理解

                     4.EM講解，這篇也可以參照

                     5.lerrylead的K-means講解，很詳細易懂