EM算法介绍及总结

本文摘自统计学习方法 李航著 清华大学出版社 EM算法介绍及总结 EM算法是一种迭代的算法，1977年由Dempster等人提出，用于含有隐变量（Hidden Variable）的概率模型参数的极大似然估计（不了解的可以参考我的另一篇博客，极大似然估计），或极大后验概率估计。EM算法的每次迭代由两步组成：E步，求期望（expectation）；M步，求极大（maximum）。所以这一算法称为期望极

>>阅读原文<<