EM算法推导及其收敛性证实

EM算法简介 EM算法是一种迭代算法，用于含有隐变量的几率模型参数的极大似然估计，或极大后验几率估计。EM算法的每次迭代分为两步：E步，求指望；M步，求极大。html 几率模型有时既含有观测变量，又含有隐变量或潜在变量，若是几率模型的变量都是观测变量，那么给定数据，能够直接用极大似然估计或贝叶斯法估计模型参数。可是当模型含有隐变量时，就不能简单地使用这种估计方法。EM算法就是含有隐变量的几率模型参

>>阅读原文<<