我试图用最大似然估计来预测轨迹。如何使用最大似然估计的均值和方差来计算轨迹估计的参数?你知道吗
假设我有一个表示手势X坐标的函数,其中: X(t)=a*X(t-1)+a1*X(t-2)+a2*Y(t-1)+ε和a2=da(2-1)+u,其中ε和u是噪声。 其中t表示下一个时间段,t-1表示当前时间段,Y表示手的Y坐标。为了预测X(t),我需要用极大似然估计a,a1和a1。你知道吗
有什么建议吗,因为我对这个很陌生? 目前正在使用python中的一些代码进行均值和方差计算。你知道吗
import pandas as pd
import numpy as np
def expectation_max(data, max_iter=1000):
data = pd.DataFrame(data)
mu0 = data.mean()
c0 = data.cov()
for j in range(max_iter):
w = []
# perform the E part of algorithm
for i in data:
wk = (5 + len(data))/(5 + np.dot(np.dot(np.transpose(i - mu0), np.linalg.inv(c0)), (i - mu0)))
w.append(wk)
w = np.array(w)
# perform the M part of the algorithm
mu = (np.dot(w, data))/(np.sum(w))
c = 0
for i in range(len(data)):
c += w[i] * np.dot((data[i] - mu0), (np.transpose(data[i] - mu0)))
cov = c/len(data)
mu0 = mu
c0 = cov
return mu0, c0
目前没有回答
相关问题 更多 >
编程相关推荐