« EM algorithm » : différence entre les versions
m (Pitpitt a déplacé la page EM algorithm (Expectation–Maximization algorithm) vers EM algorithm) |
Aucun résumé des modifications |
||
| Ligne 4 : | Ligne 4 : | ||
[[Category:Claude]]Claude<br /> | [[Category:Claude]]Claude<br /> | ||
[[Category:Apprentissage profond]]Apprentissage profond<br /> | [[Category:Apprentissage profond]]Apprentissage profond<br /> | ||
[[Category:scotty]] | |||
<br /> | <br /> | ||
== Définition == | == Définition == | ||
L'algorithme espérance-maximisation (en anglais expectation-maximization algorithm, souvent abrégé EM), proposé par Dempster et al. (1977)1, est un algorithme itératif qui permet de trouver les paramètres du maximum de vraisemblance d'un modèle probabiliste lorsque ce dernier dépend de variables latentes non observables. De nombreuses variantes ont par la suite été proposées, formant une classe entière d'algorithmes.<br> | |||
[[Fichier:EM algorithm.gif]] | |||
<br /> | <br /> | ||
| Ligne 13 : | Ligne 15 : | ||
== Termes privilégiés == | == Termes privilégiés == | ||
===algorithme EM === | ===algorithme EM === | ||
===algorithme espérance-maximisation === | |||
<br /> | <br /> | ||
| Ligne 19 : | Ligne 22 : | ||
== Anglais == | == Anglais == | ||
===EM algorithm === | ===EM algorithm === | ||
===Expectation–Maximization algorithm=== | |||
<br/> | <br/> | ||
Version du 10 décembre 2018 à 22:01
Domaine
Vocabulaire
Claude
Apprentissage profond
Définition
L'algorithme espérance-maximisation (en anglais expectation-maximization algorithm, souvent abrégé EM), proposé par Dempster et al. (1977)1, est un algorithme itératif qui permet de trouver les paramètres du maximum de vraisemblance d'un modèle probabiliste lorsque ce dernier dépend de variables latentes non observables. De nombreuses variantes ont par la suite été proposées, formant une classe entière d'algorithmes.
Termes privilégiés
algorithme EM
algorithme espérance-maximisation
Anglais
EM algorithm
Expectation–Maximization algorithm
Contributeurs: wiki, Robert Meloche
