|
關注：1
2013-05-23 12:21
求翻譯：In this ?nal step, the start partitioning for the data set is optimized using the EM algorithm. We therefore describe a suitable expectation and maximization step and then employ an iterative method. The likelihood of the complete model M can be calculated by adding up the log-likelihoods of the occurrence of each data是什么意思？ 待解決
 懸賞分：1
- 離問題結束還有
In this ?nal step, the start partitioning for the data set is optimized using the EM algorithm. We therefore describe a suitable expectation and maximization step and then employ an iterative method. The likelihood of the complete model M can be calculated by adding up the log-likelihoods of the occurrence of each data
問題補充： |
|
2013-05-23 12:21:38
在這最后一步，開始為數據集分區使用EM算法進行了優化。因此，我們描述一個合適的期望和最大化的一步，然后采用一種迭代方法?？梢杂嬎愠鐾暾哪Ｐ蚆的可能性增加了發生在每個簇中的每個數據對象數似然性。因此，我們的模型是（本地）最佳，如果我們獲得以下日志的可能性長期最大。
|
|
2013-05-23 12:23:18
最終在這一步,開始的數據對您的硬盤進行分區使用em算法進行了優化設置。 因此,我們描述一個合適期望和追求最大一步,然后采用一種迭代方法。 的可能性,可以計算的完整型號m添加日志的likelihoods每一個數據對象的發生在每個群集。 因此,我們的模型(本地)最佳如果我們獲得的以下日志項的最大的可能性。
|
|
2013-05-23 12:24:58
在這?nal步，分成為數據集的開始使用EM算法被優選。 因此我們描述適當的期望和最大化步然后使用一個重申方法。 完全模型M的可能在每可以通過增加每個數據對象發生的日志可能群計算。 因此，我們的模型是(當地)優選的，如果我們獲得一個最大值為以下日志可能期限。
|
|
2013-05-23 12:26:38
在此 ?nal 步驟，為數據集啟動分區的優化使用 EM 算法。我們因此描述一個合適的期望和最大化的步驟，然后使用一種迭代的方法。通過添加日志-likelihoods 的每個群集中的每個數據對象發生了，可以計算完整的模型 M 的可能性。因此，我們的模型是如果我們獲得的最大值 （本地） 優化日志可能性的下一個任期。
|
|
2013-05-23 12:28:18
在這中？nal 步驟，對于被設置的數據的開始分割被優化使用使算法。我們因此描述一個合適的預期和將最大化步驟，然后使用一種重復的方法。完整的模型的可能性 M 可以被在每個中將每個數據物體的發生的日志可能性加起來計算群集。因此，我們的模型是 ( 本地 ) 優化如果我們持續下列日志可能性的學期獲取一個最大值。
|
湖北省互聯網違法和不良信息舉報平臺 | 網上有害信息舉報專區 | 電信詐騙舉報專區 | 涉歷史虛無主義有害信息舉報專區 | 涉企侵權舉報專區
