带你理解EM算法

很多时候，我们都要最大化似然度来求得一个参数 θ θ 的最优值。但是，很多时候，当我们的模型中存在隐变量的时候（比如，一个词所属的主题，聚类问题中样本的类别, etc.），我们的似然度是很难求的。下面是该似然度的式子，其中z表示不可观测的变量，x表示可观测的变量，由于z是不可观测的，所以，要求似然度，我们必须要对z求和或求积分(连续的时候求积分，离散的时候求和)。 L(θ)=∑i=1Nlogp(x

>>阅读原文<<