S******t
发帖数: 1437 | 1 想了很久，请高人指点。
log L(theta| y)= log L(theta|y,b)-log g(b|theta,y)
log L(theta|y,b) 是 complete data likelihood, 后面那个log g(b|theta,y) 咋求
呢 | b*****n
发帖数: 685 | | a****m
发帖数: 693 | | S******t
发帖数: 1437 | 4 b 是missing data, g 是个density function
【在 b*****n 的大作中提到】
: b是啥，g是啥？
| k*****u
发帖数: 1688 | 5 EM是先求missing data的条件期望
然后再max likelihood
你这么表示likelihood不对头
【在 S******t 的大作中提到】
: 想了很久，请高人指点。
: log L(theta| y)= log L(theta|y,b)-log g(b|theta,y)
: log L(theta|y,b) 是 complete data likelihood, 后面那个log g(b|theta,y) 咋求
: 呢
| d******e
发帖数: 7844 | 6 就用likelihood的lower bound就行了
【在 S******t 的大作中提到】
: 想了很久，请高人指点。
: log L(theta| y)= log L(theta|y,b)-log g(b|theta,y)
: log L(theta|y,b) 是 complete data likelihood, 后面那个log g(b|theta,y) 咋求
: 呢
| d******e
发帖数: 7844 | 7 ... ...怎么可能不用求呢，做BIC的Model Selection可是需要likelihood的
【在 a****m 的大作中提到】
: EM 是逼近法，不用球
| S******t
发帖数: 1437 | 8 嗯，是啊，就是因为要做model selection.
【在 d******e 的大作中提到】
: ... ...怎么可能不用求呢，做BIC的Model Selection可是需要likelihood的
| S******t
发帖数: 1437 | 9 请问有什么公式吗？ thanks
【在 d******e 的大作中提到】
: 就用likelihood的lower bound就行了
| a****m
发帖数: 693 | 10 you want get the density of f(b|y;theta')
depending on f(y,b|theta')/f(y;theta')， which the top part is the joint
distribution and bottom one is marginal distribution. the theta' is the
initiated value of parameter. |
|
