在EM算法的E步中，通过迭代地增加（）来完成优化的过程。
A: 似然函数的上界
B: 似然函数
C: 似然函数的下界
D: 先验分布
A: 似然函数的上界
B: 似然函数
C: 似然函数的下界
D: 先验分布
举一反三
- EM算法的核心思想是( ) A: 列出优化完全数据的似然函数，通过坐标下降的优化方法计算出最优值 B: 列出优化完全数据的似然函数，通过方法计算出最优值 C: 通过不断地求取完全数据的似然函数的下界的最优值，从而实现最优化的目标 D: 列出优化完全数据的似然函数，通过数值优化方法计算出最优值
- 贝叶斯推理首先要从 开始，然后通过转换，通过推理，产生 ． A: 先验信息，后验信息 B: 先验信息，似然函数 C: 似然函数，先验信息 D: 似然函数，后验信息
- 【单选题】极大似然估计中，使用对数似然函数是为了____。 A. 便于似然函数求导 B. 将求极大值问题转化为求极小值问题 C. 提高似然函数灵敏度 D. 便于似然函数求和
- 极大似然估计的具体步骤有（ ） A: 由总体分布推导出样本联合密度（或概率）函数 B: 根据联合密度（或概率）函数，写出在样本处的似然函数 C: 对似然函数求导 D: 求似然函数的最大值
- 极大似然估计中，使用对数似然函数是为了____。