高斯混合模型（GMM）推导和实现
没错，还是知乎，原文链接
How old are zhihu？怎么老是知乎？
这里顺便贴上链接吧数学笔记 ,这是我无意中在知乎看到的一个专栏，厦门大学一位数学系大佬整理的，不但有数学专业的知识，更重要是大佬整理了很多关于数据挖掘或机器学习的文章。对于我这种懒狗，没有精力去找这些精髓的文章看，于是就把这篇专栏关注下来，没事慢慢看
回到正题，这篇文章讲述的是我印象中很基础的问题了，不过文章中数学公式推导详尽，上一次看到类似的风格还是在《统计学习方法》，李航老师编写的，全是这种一步一步推导。。。我好像就是在这本书学过GMM的哈哈
模型大体来说就是用有限个高斯模型的混合结果表示一个事件的概率，理解很容易，但迭代进行参数最优化就到繁琐的时候了，一堆矩阵的计算，看下来很熟悉，参数的逐次优化就像偏微分，对每个参数单独求解时其他参数视为常数，其他就是矩阵计算中一些特殊点要注意了
上篇隐马尔可夫链写太多了，这篇简单的不多写力
PREVIOUS最小二乘与卡尔曼滤波