溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
前言：前一篇文章大概說了EM算法的整個理解以及一些相關的公式神馬的，那些數學公式啥的看完真的是忘完了，那就來用代碼記憶記憶吧！接下來將會對python版本的EM算法進行一些分析。
EM的python實現和解析
引入問題（雙硬幣問題）
假設有兩枚硬幣A、B，以相同的概率隨機選擇一個硬幣，進行如下的拋硬幣實驗：共做5次實驗，每次實驗獨立的拋十次，結果如圖中a所示，例如某次實驗產生了H、T、T、T、H、H、T、H、T、H，H代表正面朝上。
假設試驗數據記錄員可能是實習生，業(yè)務不一定熟悉，造成a和b兩種情況
a表示實習生記錄了詳細的試驗數據，我們可以觀測到試驗數據中每次選擇的是A還是B
b表示實習生忘了記錄每次試驗選擇的是A還是B，我們無法觀測實驗數據中選擇的硬幣是哪個
問在兩種情況下分別如何估計兩個硬幣正面出現的概率？
以上的針對于b實習生的問題其實和三硬幣問題類似，只是這里把三硬幣中第一個拋硬幣的選擇換成了實習生的選擇。
對于已知是A硬幣還是B硬幣拋出的結果的時候，可以直接采用概率的求法來進行求解。對于含有隱變量的情況，也就是不知道到底是A硬幣拋出的結果還是B硬幣拋出的結果的時候，就需要采用EM算法進行求解了。如下圖：
其中的EM算法的第一步就是初始化的過程，然后根據這個參數得出應該產生的結果。
構建觀測數據集
針對這個問題，首先采集數據，用1表示H（正面），0表示T（反面）：
#硬幣投擲結果
observations = numpy.array([[1,0,0,0,1,1,0,1,0,1],
[1,1,1,1,0,1,1,1,0,1],
[1,0,1,1,1,1,1,0,1,1],
[1,0,1,0,0,0,1,1,0,0],
[0,1,1,1,0,1,1,1,0,1]])
第一步：參數的初始化
參數賦初值
第一個迭代的E步
拋硬幣是一個二項分布，可以用scipy中的binom來計算。對于第一行數據，正反面各有5次，所以：
#二項分布求解公式 contribution_A = scipy.stats.binom.pmf(num_heads,len_observation,theta_A) contribution_B = scipy.stats.binom.pmf(num_heads,len_observation,theta_B)
將兩個概率正規(guī)化，得到數據來自硬幣A，B的概率：
weight_A = contribution_A / (contribution_A + contribution_B) weight_B = contribution_B / (contribution_A + contribution_B)
這個值類似于三硬幣模型中的μ，只不過多了一個下標，代表是第幾行數據（數據集由5行構成）。同理，可以算出剩下的4行數據的μ。
有了μ，就可以估計數據中AB分別產生正反面的次數了。μ代表數據來自硬幣A的概率的估計，將它乘上正面的總數，得到正面來自硬幣A的總數，同理有反面，同理有B的正反面。
#更新在當前參數下A，B硬幣產生的正反面次數 counts['A']['H'] += weight_A * num_heads counts['A']['T'] += weight_A * num_tails counts['B']['H'] += weight_B * num_heads counts['B']['T'] += weight_B * num_tails
第一個迭代的M步
當前模型參數下，AB分別產生正反面的次數估計出來了，就可以計算新的模型參數了：
new_theta_A = counts['A']['H']/(counts['A']['H'] + counts['A']['T']) new_theta_B = counts['B']['H']/(counts['B']['H'] + counts['B']['T'])
于是就可以整理一下，給出EM算法單個迭代的代碼：
def em_single(priors,observations):
"""
EM算法的單次迭代
Arguments
------------
priors:[theta_A,theta_B]
observation:[m X n matrix]
Returns
---------------
new_priors:[new_theta_A,new_theta_B]
:param priors:
:param observations:
:return:
"""
counts = {'A': {'H': 0, 'T': 0}, 'B': {'H': 0, 'T': 0}}
theta_A = priors[0]
theta_B = priors[1]
#E step
for observation in observations:
len_observation = len(observation)
num_heads = observation.sum()
num_tails = len_observation-num_heads
#二項分布求解公式
contribution_A = scipy.stats.binom.pmf(num_heads,len_observation,theta_A)
contribution_B = scipy.stats.binom.pmf(num_heads,len_observation,theta_B)
weight_A = contribution_A / (contribution_A + contribution_B)
weight_B = contribution_B / (contribution_A + contribution_B)
#更新在當前參數下A，B硬幣產生的正反面次數
counts['A']['H'] += weight_A * num_heads
counts['A']['T'] += weight_A * num_tails
counts['B']['H'] += weight_B * num_heads
counts['B']['T'] += weight_B * num_tails
# M step
new_theta_A = counts['A']['H'] / (counts['A']['H'] + counts['A']['T'])
new_theta_B = counts['B']['H'] / (counts['B']['H'] + counts['B']['T'])
return [new_theta_A,new_theta_B]
EM算法主循環(huán)
給定循環(huán)的兩個終止條件：模型參數變化小于閾值；循環(huán)達到最大次數，就可以寫出EM算法的主循環(huán)了
def em(observations,prior,tol = 1e-6,iterations=10000):
"""
EM算法
：param observations :觀測數據
：param prior：模型初值
：param tol：迭代結束閾值
：param iterations：最大迭代次數
：return：局部最優(yōu)的模型參數
"""
iteration = 0;
while iteration < iterations:
new_prior = em_single(prior,observations)
delta_change = numpy.abs(prior[0]-new_prior[0])
if delta_change < tol:
break
else:
prior = new_prior
iteration +=1
return [new_prior,iteration]
調用
給定數據集和初值，就可以調用EM算法了：
print em(observations,[0.6,0.5])
得到
[[0.72225028549925996, 0.55543808993848298], 36]
我們可以改變初值，試驗初值對EM算法的影響。
print em(observations,[0.5,0.6])
結果：
[[0.55543727869042425, 0.72225099139214621], 37]
看來EM算法還是很健壯的。如果把初值設為相等會怎樣？
print em(observations,[0.3,0.3])
輸出：[[0.64000000000000001, 0.64000000000000001], 1]
顯然，兩個值相加不為1的時候就會破壞這個EM函數。
換一下初值：
print em(observations,[0.99999,0.00001])
輸出：[[0.72225606292866507, 0.55543145006184214], 33]
EM算法對于參數的改變還是有一定的健壯性的。
以上是根據前人寫的博客進行學習的~可以自己動手實現以下，對于python練習還是有作用的。希望對大家的學習有所幫助，也希望大家多多支持億速云。
免責聲明：本站發(fā)布的內容（圖片、視頻和文字）以原創(chuàng)、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
