luwill
EM算法公式问题
M步：更新参数值
thetas = np.array([v.sum(0)/v.sum() for v in vs]) 请问EM算法中M步骤的公式依据是什么？
来件收悉，此前也有读者对此代码做了优化的建议，跟您的方法一样。下半年我们会对全书做大幅度的升级，确保代码尽可能的是一个相对优化的版本。总之，非常感谢您的建议！
鲁伟
WhizZest @.***> 于2024年9月2日周一 18:53写道：
线性判别分析：基于NumPy实现的算法准确率不足的原因
书中提到，基于NumPy实现的算法准确率只有0.85，而sklearn的准确率却达到1.0。 我检查了源码，找到了原因： 在代码清单5-1，计算协方差矩阵的calc_cov函数中，不应该对X和Y做标准化处理，只需要做中心化。 具体来说，就是做如下改动： 修改前：
数据标准化X = (X - np.mean(X, axis=0))/np.std(X, axis=0)Y = X if Y == None else (Y - np.mean(Y, axis=0))/np.std(Y, axis=0)
修改后：
数据中心化X = X - np.mean(X, axis=0)Y = X if Y == None else (Y - np.mean(Y, axis=0))
这样修改之后，准确率就达到1.0，和sklearn一样。
— Reply to this email directly, view it on GitHub https://github.com/luwill/Machine_Learning_Code_Implementation/issues/12#issuecomment-2324432573, or unsubscribe https://github.com/notifications/unsubscribe-auth/AGLJD27W7UGD6ZDEDX25PNLZUQ7SLAVCNFSM6AAAAABNQCO2U6VHI2DSMVQWIX3LMV43OSLTON2WKQ3PNVWWK3TUHMZDGMRUGQZTENJXGM . You are receiving this because you are subscribed to this thread.Message ID: <luwill/Machine_Learning_Code_Implementation/issues/12/2324432573@ github.com>
