期望最大算法的目的是解决具有隐变量的混合模型的参数估计(极大似然估计)。MLE对 p ( x ∣ θ ) p(x|\theta) p(x∣θ)参数的估计记为: θ M L E = a r g m a x θ l o g p ( x ∣ θ ) \theta_{MLE}=argmax_{\theta}logp(x|\theta) θMLE=argmaxθlogp(x∣θ)。EM算法对这个问题的解决方法是采用迭代的方法:
θ t + 1 = a r g m a x θ ∫ z log [ p ( x , z ∣ θ ) ] p ( z ∣ x , θ t ) d z = E z ∣ x , θ t [ log p ( x , z ∣ θ ) ] \theta^{t+1}=\mathop{argmax}\limits_{\theta}\int_z\log [p(x,z|\theta)]p(z|x,\theta^t)dz=\mathbb{E}_{z|x,\theta^t}[\log p(x,z|\theta)] θt+1=θargmax∫zlog[p(x,z∣θ)]p(z∣x,θt)dz=Ez∣x,θt[logp(x,z∣θ)]
这个公式包含了迭代的两步:
- E step: 计算 l o g p ( x , z ∣ θ ) logp(x,z|\theta) logp(x,z∣θ)在概率分布 p ( z ∣ x , θ t ) p(z|x, \theta^t) p(z∣x,θt)下的期望
- M step: 计算使这个期望最大化的参数得到下一个EM步骤的输入
求证: log p ( x ∣ θ t ) ≤ log p ( x ∣ θ t + 1 ) \log p(x|\theta^t)\le\log p(x|\theta^{t+1}) logp(x∣θt)≤logp(x∣θt+1)
证明: log p ( x ∣ θ ) = log p ( z , x ∣ θ ) − log p ( z ∣ x , θ ) \log p(x|\theta)=\log p(z,x|\theta)-\log p(z|x,\theta) logp(x∣θ)=logp(z,x∣θ)−logp(z∣x,θ),对左右两边求积分:
L e f t : ∫ z p ( z ∣ x , θ t ) log p ( x ∣ θ ) d z = log p ( x ∣ θ ) Left:\int_zp(z|x,\theta^t)\log p(x|\theta)dz=\log p(x|\theta) Left:∫zp(z∣x,θt)logp(x∣θ)dz=logp(x∣θ)
R i g h t : ∫ z p ( z ∣ x , θ t ) log p ( x , z ∣ θ ) d z − ∫ z p ( z ∣ x , θ t ) log p ( z ∣ x , θ ) d z = Q ( θ , θ t ) − H ( θ , θ t ) Right:\int_zp(z|x,\theta^t)\log p(x,z|\theta)dz-\int_zp(z|x,\theta^t)\log p(z|x,\theta)dz=Q(\theta,\theta^t)-H(\theta,\theta^t) Right:∫zp(z∣x,θt)logp(x,z∣θ)dz−∫zp(z∣x,θt)logp(z∣x,θ)dz=Q(θ,θt)−H(θ,θt)
所以:
log p ( x ∣ θ ) = Q ( θ , θ t ) − H ( θ , θ t ) \log p(x|\theta)=Q(\theta,\theta^t)-H(\theta,\theta^t) logp(x∣θ)=Q(θ,θt)−H(θ,θt)
由于 Q ( θ , θ t ) = ∫ z p ( z ∣ x , θ t ) log p ( x , z ∣ θ ) d z Q(\theta,\theta^t)=\int_zp(z|x,\theta^t)\log p(x,z|\theta)dz Q(θ,θt)=∫zp(z∣x,θt)logp(x,z∣θ)dz,而 θ t + 1 = a r g m a x θ ∫ z log [ p ( x , z ∣ θ ) ] p ( z ∣ x , θ t ) d z \theta^{t+1}=\mathop{argmax}\limits_{\theta}\int_z\log [p(x,z|\theta)]p(z|x,\theta^t)dz θt+1=θargmax∫zlog[p(x,z∣θ)]p(z∣x,θt)dz,所以 Q ( θ t + 1 , θ t ) ≥ Q ( θ t , θ t ) Q(\theta^{t+1},\theta^t)\ge Q(\theta^t,\theta^t) Q(θt+1,θt)≥Q(θt,θt)。要证 log p ( x ∣ θ t ) ≤ log p ( x ∣ θ t + 1 ) \log p(x|\theta^t)\le\log p(x|\theta^{t+1}) logp(x∣θt)≤logp(x∣θt+1),需证: H ( θ t , θ t ) ≥ H ( θ t + 1 , θ t ) H(\theta^t,\theta^t)\ge H(\theta^{t+1},\theta^t) H(θt,θt)≥H(θt+1,θt):
H ( θ t + 1 , θ t ) − H ( θ t , θ t ) = ∫ z p ( z ∣ x , θ t ) log p ( z ∣ x , θ t + 1 ) d z − ∫ z p ( z ∣ x , θ t ) log p ( z ∣ x , θ t ) = ∫ z p ( z ∣ x , θ t ) log p ( z ∣ x , θ t + 1 ) p ( z ∣ x , θ t ) = − K L ( p ( z ∣ x , θ t ) , p ( z ∣ x , θ t + 1 ) ) ≤ 0 H(\theta^{t+1},\theta^t)-H(\theta^{t},\theta^t)=\int_zp(z|x,\theta^{t})\log p(z|x,\theta^{t+1})dz-\int_zp(z|x,\theta^t)\log p(z|x,\theta^{t})\\ =\int_zp(z|x,\theta^t)\log\frac{p(z|x,\theta^{t+1})}{p(z|x,\theta^t)}=-KL(p(z|x,\theta^t),p(z|x,\theta^{t+1}))\le0 H(θt+1,θt)−H(θt,θt)=∫zp(z∣x,θt)logp(z∣x,θt+1)dz−∫zp(z∣x,θt)logp(z∣x,θt)=∫zp(z∣x,θt)logp(z∣x,θt)p(z∣x,θt+1)=−KL(p(z∣x,θt),p(z∣x,θt+1))≤0
综上上面的结果:
log p ( x ∣ θ t ) ≤ log p ( x ∣ θ t + 1 ) \log p(x|\theta^t)\le\log p(x|\theta^{t+1}) logp(x∣θt)≤logp(x∣θt+1)
根据上面的证明,我们看到,似然函数在每一步都会增大。进一步的,我们看EM迭代过程中的式子是怎么来的:
log p ( x ∣ θ ) = log p ( z , x ∣ θ ) − log p ( z ∣ x , θ ) = log p ( z , x ∣ θ ) q ( z ) − log p ( z ∣ x , θ ) q ( z ) \log p(x|\theta)=\log p(z,x|\theta)-\log p(z|x,\theta)=\log \frac{p(z,x|\theta)}{q(z)}-\log \frac{p(z|x,\theta)}{q(z)} logp(x∣θ)=logp(z,x∣θ)−logp(z∣x,θ)=logq(z)p(z,x∣θ)−logq(z)p(z∣x,θ)
分别对两边求期望 E q ( z ) \mathbb{E}_{q(z)} Eq(z):
L e f t : ∫ z q ( z ) log p ( x ∣ θ ) d z = log p ( x ∣ θ ) R i g h t : ∫ z q ( z ) log p ( z , x ∣ θ ) q ( z ) d z − ∫ z q ( z ) log p ( z ∣ x , θ ) q ( z ) d z = E L B O + K L ( q ( z ) , p ( z ∣ x , θ ) ) Left:\int_zq(z)\log p(x|\theta)dz=\log p(x|\theta)\\ Right:\int_zq(z)\log \frac{p(z,x|\theta)}{q(z)}dz-\int_zq(z)\log \frac{p(z|x,\theta)}{q(z)}dz=ELBO+KL(q(z),p(z|x,\theta)) Left:∫zq(z)logp(x∣θ)dz=logp(x∣θ)Right:∫zq(z)logq(z)p(z,x∣θ)dz−∫zq(z)logq(z)p(z∣x,θ)dz=ELBO+KL(q(z),p(z∣x,θ))
上式中,Evidence Lower Bound(ELBO),是一个下界,所以 l o g p ( x ∣ θ ) ≥ E L B O logp(x|\theta)\ge{ELBO} logp(x∣θ)≥ELBO,等于号取在KL散度为0是,即: q ( z ) = p ( z ∣ x , θ ) q(z)=p(z|x,\theta) q(z)=p(z∣x,θ),EM算法的目的是将ELBO最大化,根据上面的证明过程,在每一步EM后,求得了最大的ELBO,并根据这个使ELBO最大的参数代入下一步中:
θ ^ = a r g m a x θ E L B O = a r g m a x θ ∫ z q ( z ) log p ( x , z ∣ θ ) q ( z ) d z \hat{\theta}=\mathop{argmax}_{\theta}ELBO=\mathop{argmax}_\theta\int_zq(z)\log\frac{p(x,z|\theta)}{q(z)}dz θ^=argmaxθELBO=argmaxθ∫zq(z)logq(z)p(x,z∣θ)dz
由于$ q(z)=p(z|x,\theta^t)$的时候,这一步的最大值才能取等号,所以:
θ ^ = a r g m a x θ E L B O = a r g m a x θ ∫ z q ( z ) log p ( x , z ∣ θ ) q ( z ) d z = a r g m a x θ ∫ z p ( z ∣ x , θ t ) log p ( x , z ∣ θ ) p ( z ∣ x , θ t ) d z = a r g m a x θ ∫ z p ( z ∣ x , θ t ) log p ( x , z ∣ θ ) \hat{\theta}=\mathop{argmax}_{\theta}ELBO=\mathop{argmax}_\theta\int_zq(z)\log\frac{p(x,z|\theta)}{q(z)}dz=\mathop{argmax}_\theta\int_zp(z|x,\theta^t)\log\frac{p(x,z|\theta)}{p(z|x,\theta^t)}d z\\ =\mathop{argmax}_\theta\int_z p(z|x,\theta^t)\log p(x,z|\theta) θ^=argmaxθELBO=argmaxθ∫zq(z)logq(z)p(x,z∣θ)dz=argmaxθ∫zp(z∣x,θt)logp(z∣x,θt)p(x,z∣θ)dz=argmaxθ∫zp(z∣x,θt)logp(x,z∣θ)
这个式子就是上面EM迭代过程中的式子。
从Jensen不等式出发,也可以导出这个式子:
log p ( x ∣ θ ) = log ∫ z p ( x , z ∣ θ ) d z = log ∫ z p ( x , z ∣ θ ) q ( z ) q ( z ) d z = log E q ( z ) [ p ( x , z ∣ θ ) q ( z ) ] ≥ E q ( z ) [ log p ( x , z ∣ θ ) q ( z ) ] \log p(x|\theta)=\log\int_zp(x,z|\theta)dz=\log\int_z\frac{p(x,z|\theta)q(z)}{q(z)}dz\\ =\log \mathbb{E}_{q(z)}[\frac{p(x,z|\theta)}{q(z)}]\ge \mathbb{E}_{q(z)}[\log\frac{p(x,z|\theta)}{q(z)}] logp(x∣θ)=log∫zp(x,z∣θ)dz=log∫zq(z)p(x,z∣θ)q(z)dz=logEq(z)[q(z)p(x,z∣θ)]≥Eq(z)[logq(z)p(x,z∣θ)]
其中,右边的式子就是ELBO,等号在$ p(x,z|\theta)=Cq(z)$时成立。于是:
∫ z q ( z ) d z = 1 C ∫ z p ( x , z ∣ θ ) d z = 1 C p ( x ∣ θ ) = 1 ⇒ q ( z ) = 1 p ( x ∣ θ ) p ( x , z ∣ θ ) = p ( z ∣ x , θ ) \int_zq(z)dz=\frac{1}{C}\int_zp(x,z|\theta)dz=\frac{1}{C}p(x|\theta)=1\\ \Rightarrow q(z)=\frac{1}{p(x|\theta)}p(x,z|\theta)=p(z|x,\theta) ∫zq(z)dz=C1∫zp(x,z∣θ)dz=C1p(x∣θ)=1⇒q(z)=p(x∣θ)1p(x,z∣θ)=p(z∣x,θ)
我们发现,这个过程就是上面的最大值取等号的条件。
广义EM
EM模型解决了概率生成模型的参数估计的问题,通过引入隐变量z,来学习
θ
\theta
θ,具体的模型对z有不同的假设。对学习任务
p
(
x
∣
θ
)
p(x|\theta)
p(x∣θ),就是学习任务
p
(
x
,
z
∣
θ
)
p
(
z
∣
x
,
θ
)
\frac{p(x,z|\theta)}{p(z|x,\theta)}
p(z∣x,θ)p(x,z∣θ)。在这个式子中,我们假定了在E步骤中,
q
(
z
)
=
p
(
z
∣
x
,
θ
)
q(z)=p(z|x,\theta)
q(z)=p(z∣x,θ),但是这个p(z|x,\theta)如果无法求解,那么必须使用采样(MCMC)或者变分推断等方法来近似推断这个后验。我们观察KL散度的表达式,为了最大化ELBO,在固定的
θ
\theta
θ时,我们需要最大化KL散度,于是:
q
^
(
z
)
=
a
r
g
m
i
n
q
K
L
(
p
,
q
)
=
a
r
g
m
a
x
q
E
L
B
O
\hat{q}(z)=\mathop{argmin}_qKL(p,q)=\mathop{argmax}_qELBO
q^(z)=argminqKL(p,q)=argmaxqELBO
这就是广义EM的基本思路:
- E step:
q ^ t + 1 ( z ) = a r g m a x q ∫ z q t ( z ) log p ( x , z ∣ θ ) q t ( z ) d z , f i x e d θ \hat{q}^{t+1}(z)=\mathop{argmax}_q\int_zq^t(z)\log\frac{p(x,z|\theta)}{q^t(z)}dz,fixed\ \theta q^t+1(z)=argmaxq∫zqt(z)logqt(z)p(x,z∣θ)dz,fixed θ - M step:
θ ^ = a r g m a x θ ∫ z q t + 1 ( z ) log p ( x , z ∣ θ ) q t + 1 ( z ) d z , f i x e d q ^ \hat{\theta}=\mathop{argmax}_\theta \int_zq^{t+1}(z)\log\frac{p(x,z|\theta)}{q^{t+1}(z)}dz,fixed\ \hat{q} θ^=argmaxθ∫zqt+1(z)logqt+1(z)p(x,z∣θ)dz,fixed q^
对于上面的积分:
E L B O = ∫ z q ( z ) log p ( x , z ∣ θ ) q ( z ) d z = E q ( z ) [ p ( x , z ∣ θ ) ] + E n t r o p y ( q ( z ) ) ELBO=\int_zq(z)\log\frac{p(x,z|\theta)}{q(z)}dz=\mathbb{E}_{q(z)}[p(x,z|\theta)]+Entropy(q(z)) ELBO=∫zq(z)logq(z)p(x,z∣θ)dz=Eq(z)[p(x,z∣θ)]+Entropy(q(z))
因此,我们看到,广义EM相当于在原来的式子中加入熵这一项。
EM的推广
EM算法类似于坐标上升法,固定部分坐标,优化其他坐标,再一遍一遍的迭代。如果在EM框架中,无法求解z后验概率,那么需要采用一些变种的EM来估算这个后验。
- 基于平均场的变分推断, VBEM、VEM
- 基于蒙特卡洛的EM,MCEM
总结
EM算法是迭代求解最大值的算法,同时算法在每一次迭代时分为两步,E步和M步。一轮轮迭代更新隐含数据和模型分布参数,直至收敛,即得我们需要的模型参数。
一个最直观了解EM算法思路的是K-means算法。在K-Means聚类时,每个聚类簇的质心是隐含数据。我们会假设K个初始化质心,即EM算法的E步;然后计算得到每个样本最近的质心,并把样本聚类到最近的这个质心,即EM算法的M步。重复这个E步和M步,直到质心不再变化为止,这样就完成了K-Means聚类。