Question

基于混合高斯模型的EM算法在MATLAB中实现后，为什么输出的极大似然函数值随着聚类个数的增多而变大

max_mle=zeros(M,N);
for n=1:N
for m=1:M
max_mle(m,n)=exp(-1/2*(x(:,n)-mu(:,m))'*inv(Cov(:,:,m))*(x(:,n)-mu(:,m)));
max_mle(m,n)=max_mle(m,n)/sqrt(det(Cov(:,:,m)));
max_mle(m,n)=max_mle(m,n)*(2*pi)^(-K/2);
max_mle(m,n)=w(m)*max_mle(m,n);
end
end
h=0;
hp=zeros(1,N);
hp=sum(max_mle);
h=sum(log(hp),2);

Answer 1

应该是“过拟合”了吧。虽然在EM中没有真正的“过拟合”一说，但是类别增多，每个数据点会以更高的概率分配到这些类别上。

追问

不应该吧，那那些AIC，BIC模型有什么用。。。这样就没有最佳聚类个数了，每个点一类了最后