Unit 6 5j EM Algorithm knowitvideos English (auto-generated) Polish

Unit 6 5j EM AlgorithmYouTube↗ IA↗(long shot)
Howto & Style 13.8K views 28 likes 5 dislikes 22 Oct 2011

knowitvideos 11.8K subscribers N/A YouTube↗

Click to Play Video

the model of expectation-maximization is

Model maksymalizacji oczekiwania

that each data point is generated from

polega na tym, że każdy punkt

what's called a mixture the sum of all

jest generowany z tak zwanego splątania.

possible classes or clusters of which

Sumujemy po wszystkich możliwych klasach

they are K we draw a class at random

czy grupach, których jest K, wybieramy klasę losowo

with a prior probability of P of the class a equals I and then we draw the

z prawdopodobieństwem zaczątkowym p(C=i)

upon X from the distribution

i losujemy punkt x

corresponding to this class over here

z dystrybucji odpowiadającej tej klasie tu.

the way to think about this if there's K different cluster centers shown over

Można o tym myśleć w ten sposób, że jeśli mamy K różnych centrów grup, jak pokazano tutaj,

here each one of those has a generic Gaussian attached in the generative

to każde centrum ma przypisany rozkład Gaussa.

version of expectation maximization we

W generatywnej wersji maksymalizacji oczekiwania (MO)

first draw a cluster Center and then we

najpierw wybieramy centrum grupy

draw from the Gaussian attached to this

a następnie losujemy z rozkładu przypisanego temu centrum.

cluster Center the unknowns here are the prior probabilities for each cluster

Niewiadome są prawdopodobieństwa zaczątkowe centrów grup;

Center which we'll call P I and the MU I and in the general case Sigma I for each

oznaczmy Pi_i i Mu_i oraz w ogólnym przypadku Sigma_i

of the middle Gaussian where I equals 1

dla każdej funkcji Gaussa,

all the way to K expectation

gdzie i przebiega od 1 do K

maximization iterates two steps just like k-means

MO wykonuje dwa kroki iteracji tak jak k-średnich

one is called the e step or expectation

Jeden to tak zwany E-krok lub krok oczekiwania,

step but which we assume that we know the gaussian parameters n dpi with those

w którym zakładamy, że znamy parametry Gaussa i Pi_i

known values calculating the sum over

Znając te wielkości wyliczenie tej sumy

here is a fairly trivial exercise this

jest dość proste.

is our known formula for a Gaussian we

To znany wzór na funkcję Gaussa

just plug that in and this is a fixed probability sum over all possible

wstawiamy to, a to jest ustalone prawdopodobieństwo.

classes so we get for e IJ the

Suma po wszystkich możliwych klasach. Dostajemy, że e_ij

probability that the jth data point

prawdopodobieństwo, że jty punkt

corresponds to classes antenna my P I

przynależy do itego centrum grupy to

times the normalizer

Pi_i razy norma

times the Gaussian expression we have a

razy wyrażenie na funkcję Gaussa.

quadratic of XJ minus mu I times Sigma I

Tutaj mamy kwadrat różnicy xj i Mu_i

to the minus 1 times the same thing again over here these are the

razy Sigma_i do -1 razy to samo tutaj.

probabilities that the J data point

To prawdopodobieństwa tego, że jty punkt

corresponds to the 8th class the center

przynależy do itego centrum grupy

under the assumption that we do know the

przy założeniu, że znamy

parameters P I mu I and Sigma in the

parametry Pi_i, Mu_i i Sigma_i.

m-step we now figure out with these parameters Shredderman

W M-kroku liczymy jakie te parametry powinny być

for the prior probability of each

Dla prawdopodobieństwa a priori każdego centrum grupy

cluster Center we just take the sum over all the e IJ s overall data points

bierzemy sumę e_ij po wszystkich punktach

divided by the total number of

podzielone przez liczbę wszystkich punktów.

points the mean is obtained by the weighted mean of the x-rays normalized

Średnia to ważona średnia x_j -tów

by the sum over ER J's and finally the

znormalizowana przez sumę po wszystkich e_ij

Sigma's are obtained is a sum over the

i w końcu sigma to suma

weighted expression like this and this

po wszystkich ważonych wyrażeniach tej postaci,

is the same expression as before and now

to takie samo wyrażenie jak poprzednio,

again we're normalizing over the sum of all e IJ s these are exactly the same

i znowu normalizujemy przez sumę po wszystkich e_ij.

populations as before when we fit a

To dokładnie takie same obliczenia

Gaussian that just weighted by the soft correspondence of a data point to which

jak te, które wykonywaliśmy dopasowując funkcję Gaussa, tym razem z wagami odpowiadającymi pośredniej przynależności każdego punktu do każdej funkcji Gaussa.

Gaussian and this weighting is relatively straightforward to apply in

To ważenie jest dość proste w zastosowaniu przy dopasowywaniu krzywych Gaussa.

Gaussian fitting let's do a very quick quiz for M

Oto krótki test z MO.

suppose we having three data points and two cluster centers and the question is

Mając 3 dane i dwa centra grup,

does this correspond per year over here

czy ten punkt tutaj

well it's x1 correspond to c1 or c2 or

zwany X1, przynależy do C1, C2 czy obu?

both of them please check exactly one of these three different check boxes here

Zaznaczcie tylko jedno z tych pól.

Similar videos:

Comment voit l'éveillé - 5mn
Selim Aïssel
17K views 172 likes 5 dislikes 31 Jan 2013100% match

Gundarr (Ep 15): Gundarr vs Toddy-The Fartening (subtitulado al castelllano)
daniborr
28.4K views 82 likes 11 dislikes 20 Jul 2012100% match

Unit 3 8c Question

12.1K views 0 likes 0 dislikes 08 Oct 2011100% match

CEOS Chatter
Fernando Garcia
1.3K views 2 likes 1 dislikes 14 Mar 2012100% match

Unit 0w, 1 Introduction

175.6K views 487 likes 8 dislikes 05 Oct 2011100% match

Unit 1w, 2 Intelligent Agents

86.4K views 110 likes 4 dislikes 05 Oct 2011100% match

Mr. Peabody & Sherman
TheCaptionedInternet
43.6K views 74 likes 9 dislikes 03 Mar 2014100% match

0 views 0 likes 0 dislikes 05 Jun 2026100% match

Instrucciones para llorar, de Julio Cortázar
Inés Andrés
5.9K views 10 likes 0 dislikes 10 Jan 2012100% match

Unit 3 2 Probabilities

19.5K views 10 likes 0 dislikes 08 Oct 2011100% match

Homework 3 2a Naive Bayes Laplacian Smoothing ANSWER

19.9K views 29 likes 14 dislikes 01 Nov 2011100% match

Unit 2, Topic 16, Uniform Cost Termination

37.5K views 21 likes 18 dislikes 05 Oct 2011100% match

America By The Numbers with Maria Hinojosa: Clarkston Georgia
Maria Hinojosa
28.6K views 102 likes 29 dislikes 24 Sep 2012100% match

Haiti's cultural community
Yelleknad121
13.9K views 30 likes 1 dislikes 31 Mar 2012100% match

Recomendación kuentalibros - pizarra digital y niños con discapacidad auditiva
anitamc20
933 views 1 likes 0 dislikes 21 Dec 2012100% match

(ENG/CHI SUB) 140216 SM True Thailand Facebook EXO
Baby Xiumin
783 views 10 likes 0 dislikes 16 Feb 2014100% match

Akihiro Miwa & Hiroyuki Ehara on Women & Future (Eng sub)
2bfreeism
23.6K views 99 likes 7 dislikes 31 Aug 2013100% match

Unit 1w, 15 Congratulations

13.6K views 50 likes 1 dislikes 05 Oct 2011100% match

MTV Iggy 2ne1
AsLadies2ne1Mexico
16K views 387 likes 3 dislikes 18 Dec 2012100% match

Unit 5 12 Maximum Likelihood

33.3K views 61 likes 19 dislikes 17 Oct 2011100% match

Unit 1w, 5 Checkers Answer

22K views 20 likes 1 dislikes 05 Oct 2011100% match

Gundarr (Ep 21): Tele Vision Quest (subtitulado al castellano)
daniborr
16.8K views 54 likes 4 dislikes 30 Aug 2012100% match

ABR terapie pentru copiii cu paralizie cerebrală
Vesna Gabeloska
12.2K views 27 likes 6 dislikes 03 Sep 2011100% match

The Roman Soldier
Alejandro Vicent Sierra
195.4K views 1.5K likes 61 dislikes 31 May 2012100% match

Unit 3 3 Dependence

17.3K views 9 likes 13 dislikes 08 Oct 2011100% match

Unit 2, Topic 18, Depth First Search

25.4K views 24 likes 1 dislikes 05 Oct 2011100% match

TED & TEDx explained
Kyo young Chu
1.1K views 7 likes 0 dislikes 02 Apr 2012100% match

Unit 9 04 MDP Grid World

12.5K views 28 likes 2 dislikes 01 Nov 2011100% match

Unit 2, Topic 1, Introduction

50.3K views 56 likes 2 dislikes 05 Oct 2011100% match

Unit 6 7b Spectral Clustering Algorithm

42.3K views 553 likes 9 dislikes 22 Oct 201167% match

Settings Privacy About Contact Donate