【B403】EM算法实现(使用EM算法求解GMM模型参数)

项目编号：B403

文件大小：1.6M

操作系统：Windows10旗舰版

源码说明：带中文注释

开发工具：Python

开发语言：.py

首先使用Excel内置的NORM.INV()或者python中np.random.normal()功能生成男生和女生的身高数据，男生身高的正态分布为 N_M (175,15)，即男生身高的均值为175，标准差为15；女生身高的正态分布为N_F (165,10)，即女生身高的均值为165，标准差为10。按照上述分布随机生成男生身高数据200个，女生身高数据100个，得到男女生的数量比为2：1。之后将数据进行混合，通过混合后的300个数据和EM算法估计男生和女生在数据集中的比例以及二者各自所服从的分布的形式。

设计报告：

运行结果：

目录│文件列表:

 └ Expectation_Maximum_Algorithm-master

    │ EM.py

    │ Maximum Likelihood from Incomplete Data via the EM Algorithm.pdf

    │ test.py

    │ 课程设计报告.docx

    ├ .idea

    │  │ .gitignore

    │  │ .name

    │  │ deployment.xml

    │  │ Expectation-Maximum Algorithm.iml

    │  │ misc.xml

    │  │ modules.xml

    │  │ workspace.xml

    │  └ inspectionProfiles

    │     │ profiles_settings.xml

    │     └ Project_Default.xml

    ├ data

    │  │ data.xlsx

    │  └ data_generator.xlsx

    └ result

       │ data_1.txt

       │ data_2.png

       │ data_2.txt

       │ large_data.png

       │ large_data.txt

       │ rand_1.txt

       │ rand_2.png

       │ rand_2.txt

       │ rand_3.png

       │ rand_3.txt

       │ rand_4.png

       │ rand_4.txt

       │ rand_5.png

       │ rand_5.txt

       │ rand_6.png

       │ rand_6.txt

       │ rand_7.png

       └ rand_7.txt