第9章 EM算法
EM算法是一种迭代算法,用于含有隐变量(hidden variable)的概率模型的极大似然估计,或极大后验概率估计。
E:expectation,求期望 M:maximization,求极大 E、M代表了EM算法中最重要的两个步骤
模型
含有隐变量的概率模型 EM算法可用于生成模型的非监督学习。 生成模型由联合概率分布P(X,Y)表示,可以认为非监督学习训练数据是联合概率分布产生的数据。 X为观测数据,Y为未观测数据。
策略
极大化观测数据(不完全数据)Y关于参数的对数似然函数,即极大化:
算法
Last updated