EM算法是一种非常流行的最大似然估计方法，它是在观测数据为不完整数据时求解最大似然估计的迭代算法，同时也是估计有限混合模型参数的有效算法。 但是，EM算法不能保证找到全局最优解，而且往往容易陷入局部最优解，因此对迭代初始值的确定很敏感。 传统的EM算法随机选择初始值，提出了一种改进的初始值选择方法。 首先，我们使用k-nearest-neighbor方法删除异常值。 其次，使用k均值初始化EM算法。 将该方法与原始随机初始值方法进行比较，数值实验表明，EM算法初始化的参数估计效果明显优于原始EM算法。

音乐分类 Matlab工具使用MFCC和K最近邻居算法将音乐分为4种类型。 输入是带有.mp3 / .wav扩展名的音频文件。 ＃＃问题陈述 通过使用监督学习的概念将音频信号分类为不同的预定义流派。 背景技术虽然音乐令人愉悦，但如今互联网上提供的大量内容使音乐的分类成为必然的任务。 音乐以无限的形式出现。 也称为流派。 尽管音乐涵盖了如此广泛的类别，但是某些特征是所有人共有的，而与节奏，艺术家，乐谱等无关。因此，基于特征提取技术，可以将使用的音乐缩减为一组数据点。 ## Dataset在我们之前的摘要中，我们详细介绍了三个不同的数据集，这些数据集都适合我们的机器学习问题。 在这些数据集中，考虑到数据集的大小以及数据集中可用的音频文件的类型后，我们使用GTZAN流派集合作为我们的训练数据集。 我们仅使用现有数据集是因为其具有标准化的性质。 由于问题的性质，创建我们自己的数据集是一项艰巨的

hd_knn_tree 使用RStudio对心脏病数据集进行决策树和K最近邻分析。 还要与进行比较，以找出哪种模型可以更好地预测数据集。 使用的技术/框架 Rstudio Rmarkdown 使用的RStudio库 库（caTools） 图书馆（班） 图书馆（kknn） 图书馆（插入符号） 图书馆（ROCR） 库（rpart） 库（rpart.plot） 图书馆（MASS） 图书馆（tidyverse） 图书馆（ggsci） 安装R软件包 rpack <- c("kknn", "caret", "class","caTools", "ROCR", "rpart", "rpart.plot", "MASS", "tidyverse", "ggsci") install.packages(rpack) 数据集 来自UCI的包含76个代表患者状况的属性。 本文的数据集来