python怎么模拟EM算法

本篇内容介绍了"python怎么模拟EM算法"的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

模拟课本第一个例子，即用EM算法估计三个硬币模型的参数。

• 问题引入：有三个硬币：A、B、C。现在先投掷A，根据A的结果进行选择，A为正面选B，A为反面选C。然后用选出的硬币进行投掷。结果[1, 1, 0, 1, 0, 0, 1, 0, 1, 1]。问题：先只能观测到抛硬币结果，不能观测过程的前提下，如何估计三个硬币正面出现的概率，即三个硬币模型的参数。

• EM算法解决代码：

import numpy as npimport mathclass EM:    def __init__(self, prob):        self.pro_A, self.pro_B, self.pro_C = prob    # e_step    def pmf(self, i):        pro_1 = self.pro_A * math.pow(self.pro_B, data[i]) * math.pow(            (1 - self.pro_B), 1 - data[i])        pro_2 = (1 - self.pro_A) * math.pow(self.pro_C, data[i]) * math.pow(            (1 - self.pro_C), 1 - data[i])        return pro_1 / (pro_1 + pro_2)    # m_step    def fit(self, data):        count = len(data)        print('init prob:{}, {}, {}'.format(self.pro_A, self.pro_B,                                            self.pro_C))        for d in range(count):            # _ = yield  # 关于yield强烈推荐这篇： https://developer.ibm.com/zh/articles/os-cn-python-yield/            _pmf = [self.pmf(k) for k in range(count)]            pro_A = 1 / count * sum(_pmf)            pro_B = sum([_pmf[k] * data[k] for k in range(count)]) / sum(                [_pmf[k] for k in range(count)])            pro_C = sum([(1 - _pmf[k]) * data[k]                         for k in range(count)]) / sum([(1 - _pmf[k])                                                        for k in range(count)])            print('{}/{}  pro_a:{:.3f}, pro_b:{:.3f}, pro_c:{:.3f}'.format(                d + 1, count, pro_A, pro_B, pro_C))            self.pro_A = pro_A            self.pro_B = pro_B            self.pro_C = pro_Cdata = [1, 1, 0, 1, 0, 0, 1, 0, 1, 1]# 由于EM算法与初始值有关，这里有两组不同的初始值，以便体会# 第一组# em = EM(prob=[0.5, 0.5, 0.5])# f = em.fit(data)# 如果用yield# 需要下边代码# next(f)  # 执行到上面的yield卡主，即只完成了初始化# next(f)  # 继续执行，到下一次yield之前。也就是完成了一次迭代# 第二组em = EM(prob=[0.4, 0.6, 0.7])f2 = em.fit(data)

结果：

• 没有用yield时：

init prob:0.4, 0.6, 0.71/10  pro_a:0.406, pro_b:0.537, pro_c:0.6432/10  pro_a:0.406, pro_b:0.537, pro_c:0.6433/10  pro_a:0.406, pro_b:0.537, pro_c:0.6434/10  pro_a:0.406, pro_b:0.537, pro_c:0.6435/10  pro_a:0.406, pro_b:0.537, pro_c:0.6436/10  pro_a:0.406, pro_b:0.537, pro_c:0.6437/10  pro_a:0.406, pro_b:0.537, pro_c:0.6438/10  pro_a:0.406, pro_b:0.537, pro_c:0.6439/10  pro_a:0.406, pro_b:0.537, pro_c:0.64310/10  pro_a:0.406, pro_b:0.537, pro_c:0.643

• 用yield的时候一条一条输出上面的语句

"python怎么模拟EM算法"的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注网站，小编将为大家输出更多高质量的实用文章！