{"product_id":"tutorial-sobre-algoritmo-em-segunda-edicao-von-loc-nguyen","title":"Tutorial sobre Algoritmo EM (segunda edição)","description":"\u003cp\u003eA estimativa de máxima verosimilhança (EML) é um método popular de estimação de parâmetros tanto na probabilidade aplicada como na estatística, mas a EML não pode resolver o problema de dados incompletos ou dados ocultos porque é impossível maximizar a função de verosimilhança a partir de dados ocultos. O algoritmo Expectation maximum (EM) é uma ferramenta matemática poderosa para resolver este problema se houver uma relação entre os dados ocultos e os dados observados. Essa relação de sugestão é especificada por um mapeamento de dados ocultos para dados observados ou por uma probabilidade conjunta entre dados ocultos e dados observados. A ideologia essencial do EM é maximizar a expectativa da função de probabilidade sobre os dados observados com base na relação de sugestão em vez de maximizar diretamente a função de probabilidade dos dados ocultos. Pioneiros no algoritmo do EM provaram sua convergência. Como resultado, o algoritmo EM produz estimadores de parâmetros, assim como o EML produz. Este tutorial tem como objetivo fornecer explicações sobre o algoritmo EM para ajudar os pesquisadores a compreendê-lo. Além disso, na 2ª edição, algumas aplicações do EM, como o modelo de mistura, manipulação de dados ausentes e aprendizagem do modelo Markov oculto, são introduzidas.\u003c\/p\u003e\u003cdiv class=\"aw-variant-hidden-subtitle-div\" id=\"aw-variant-subtitle-9786204649252\"\u003e\u003ch3\u003e\u003c\/h3\u003e\u003c\/div\u003e","brand":"Autorenwelt Shop","offers":[{"title":"Softcover - 9786204649252","offer_id":40042116874333,"sku":"9786204649252","price":79.9,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0940\/0622\/files\/ecea2610-af4e-45e0-b154-4f08209688dc.jpg?v=1765348197","url":"https:\/\/shop.autorenwelt.de\/en\/products\/tutorial-sobre-algoritmo-em-segunda-edicao-von-loc-nguyen","provider":"Autorenwelt Shop","version":"1.0","type":"link"}