EM算法原理
转载 原文地址:https://www.cnblogs.com/pinard/p/6912636.html
EM算法也称期望最大化(Expectation-Maximum,简称EM)算法,它是一个基础算法,是很多机器学习领域算法的基础,比如隐式马尔科夫算法(HMM), LDA主题模型的变分推断等等。本文就对EM算法的原理做一个总结。
1. EM算法要解决的问题
我们经常会从样本观察数据中,找出样本的模型参数。 最常用的方法就是极大化模型分布的对数似然函数。
但是在一些情况下,我们得到的观察数据有未观察到的隐含数据,此时我们未知的有隐含数据和模型参数,因而无法直接用极大化对数似然函数得到模型分布的参数。怎么办呢?这就是EM算法可以派上用场的地方了。
EM算法解决这个的思路是使用启发式的迭代方法,既然我们无法直接求出模型分布参数,那么我们可以先猜想隐含数据(EM算法的E步),接着基于观察数据和猜测的隐含数据一起来极大化对数似然,求解我们的模型参数(EM算法的M步)。由于我们之前的隐藏数据是猜测的,所以此时得到的模型参数一般还不是我们想要的结果。不过没关系,我们基于当前得到的模型参数,继续猜测隐含数据(EM算法的E步),然后继续极大化对数似然,求解我们的模型参数(EM算法的M步)。以此类推,不断的迭代下去,直到模型分布参数基本无变化,算法收敛,找到合适的模型参数。
从上面的描述可以看出,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,直到收敛,即得到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。
当然,K-Means算法是比较简单的,实际中的问题往往没有这么简单。上面对EM算法的描述还很粗糙,我们需要用数学的语言精准描述。
2. EM算法的推导
对于m个样本观察数据
x
=
(
x
(
1
)
,
x
(
2
)
,
.
.
.
x
(
m
)
)
x=(x^{(1)},x^{(2)},...x^{(m)})
x=(x(1),x(2),...x(m)) 中,找出样本的模型参数θ, 极大化模型分布的对数似然函数如下:
θ
=
a
r
g
m
a
x
θ
∑
i
=
1
m
l
o
g
P
(
x
(
i
)
∣
θ
)
θ=\underset{\theta}{argmax}\sum_{i=1}^{m}logP(x^{(i)}|θ)
θ=θargmaxi=1∑mlogP(x(i)∣θ)
如果我们得到的观察数据有未观察到的隐含数据
z
=
(
z
(
1
)
,
z
(
2
)
,
.
.
.
z
(
m
)
)
z=(z^{(1)},z^{(2)},...z^{(m)})
z=(z(1),z(2),...z(m)) ,此时我们的极大化模型分布的对数似然函数如下:
θ
=
a
r
g
m
a
x
θ
∑
i
=
1
m
l
o
g
P
(
x
(
i
)
∣
θ
)
=
a
r
g
m
a
x
θ
∑
i
=
1
m
l
o
g
∑
z
(
i
)
P
(
x
(
i
)
,
z
(
i
)
∣
θ
)
θ=\underset{\theta}{argmax}\sum_{i=1}^{m}logP(x^{(i)}|θ)=\underset{\theta}{argmax}\sum_{i=1}^{m}log\sum_{z(i)}P(x^{(i)},z^{(i)}|θ)
θ=θargmaxi=1∑mlogP(x(i)∣θ)=θargmaxi=1∑mlogz(i)∑P(x(i),z(i)∣θ)
上面这个式子是没有 办法直接求出θ 的。因此需要一些特殊的技巧,我们首先对这个式子进行缩放如下:
∑
i
=
1
m
l
o
g
∑
z
(
i
)
P
(
x
(
i
)
,
z
(
i
)
∣
θ
)
=
∑
i
=
1
m
l
o
g
∑
z
(
i
)
Q
i
(
z
(
i
)
)
P
(
x
(
i
)
,
z
(
i
)
∣
θ
)
Q
i
(
z
(
i
)
)
(
1
)
≥
∑
i
=
1
m
∑
z
(
i
)
Q
i
(
z
(
i
)
)
l
o
g
P
(
x
(
i
)
,
z
(
i
)
∣
θ
)
Q
i
(
z
(
i
)
)
(
2
)
\sum_{i=1}^{m}log\sum_{z(i)}P(x^{(i)},z^{(i)}|θ)=\sum_{i=1}^{m}log\sum_{z(i)}Q_i(z^{(i)})\frac {P(x^{(i)},z^{(i)}|θ)}{Q_i(z^{(i)})} (1) \\\geq\sum_{i=1}^{m}\sum_{z(i)}Q_i(z^{(i)})log\frac {P(x^{(i)},z^{(i)}|θ)}{Q_i(z^{(i)})}(2)
i=1∑mlogz(i)∑P(x(i),z(i)∣θ)=i=1∑mlogz(i)∑Qi(z(i))Qi(z(i))P(x(i),z(i)∣θ)(1)≥i=1∑mz(i)∑Qi(z(i))logQi(z(i))P(x(i),z(i)∣θ)(2)
上面第(1)式引入了一个未知的新的分布
Q
i
(
z
(
i
)
)
Q_i(z^{(i)})
Qi(z(i)),第(2)式用到了Jensen不等式:
l
o
g
∑
j
λ
j
y
j
≥
∑
j
λ
j
l
o
g
y
j
,
λ
j
≥
0
,
∑
j
λ
j
=
1
log\sum_{j}λ_{j}y_{j}≥\sum_{j}λ_{j}logy_{j},λ_j≥0,\sum_jλ_j=1
logj∑λjyj≥j∑λjlogyj,λj≥0,j∑λj=1
或者说由于对数函数是凹函数,所以有:
f
(
E
(
x
)
)
≥
E
(
f
(
x
)
)
,
如
果
f
(
x
)
是
凹
函
数
f(E(x))≥E(f(x)),如果f(x)是凹函数
f(E(x))≥E(f(x)),如果f(x)是凹函数
此时,如果要满足Jensen不等式的等号,则有:
P
(
x
(
i
)
,
z
(
i
)
∣
θ
)
Q
i
(
z
(
i
)
)
=
c
,
c
为
常
数
\frac {P(x^{(i)},z^{(i)}|θ)}{Q_i(z^{(i)})}=c,c为常数
Qi(z(i))P(x(i),z(i)∣θ)=c,c为常数
由于
Q
i
(
z
(
i
)
)
Q_i(z^{(i)})
Qi(z(i))是一个分布,所以满足:
∑
z
Q
i
(
z
(
i
)
)
=
1
\sum_{z}Q_i(z^{(i)})=1
z∑Qi(z(i))=1
从上面两式,我们可以得到:
Q
i
(
z
(
i
)
)
=
P
(
x
(
i
)
,
z
(
i
)
∣
θ
)
∑
z
P
(
x
(
i
)
,
z
(
i
)
∣
θ
)
=
P
(
x
(
i
)
,
z
(
i
)
∣
θ
)
P
(
x
(
i
)
∣
θ
)
=
P
(
z
(
i
)
∣
x
(
i
)
,
θ
)
)
Q_i(z^{(i)})=\frac {P(x^{(i)},z^{(i)}|θ)}{\sum_{z}P(x^{(i)},z^{(i)}|θ)}=\frac {P(x^{(i)},z^{(i)}|θ)}{P(x^{(i)}|θ)}=P(z^{(i)}|x^{(i)},θ))
Qi(z(i))=∑zP(x(i),z(i)∣θ)P(x(i),z(i)∣θ)=P(x(i)∣θ)P(x(i),z(i)∣θ)=P(z(i)∣x(i),θ))
如果
Q
i
(
z
(
i
)
)
=
P
(
z
(
i
)
∣
x
(
i
)
,
θ
)
)
Q_i(z^{(i)})=P(z^{(i)}|x^{(i)},θ))
Qi(z(i))=P(z(i)∣x(i),θ)) , 则第(2)式是我们的包含隐藏数据的对数似然的一个下界。如果我们能极大化这个下界,则也在尝试极大化我们的对数似然。即我们需要最大化下式:
a
r
g
m
a
x
θ
∑
i
=
1
m
∑
z
(
i
)
Q
i
(
z
(
i
)
)
l
o
g
P
(
x
(
i
)
,
z
(
i
)
∣
θ
)
Q
i
(
z
(
i
)
)
(
3
)
\underset{\theta}{argmax}\sum_{i=1}^{m}\sum_{z(i)}Q_i(z^{(i)})log\frac {P(x^{(i)},z^{(i)}|θ)}{Q_i(z^{(i)})}(3)
θargmaxi=1∑mz(i)∑Qi(z(i))logQi(z(i))P(x(i),z(i)∣θ)(3)
(3)式等价为:
a
r
g
m
a
x
θ
∑
i
=
1
m
(
∑
z
(
i
)
Q
i
(
z
(
i
)
)
l
o
g
P
(
x
(
i
)
,
z
(
i
)
∣
θ
)
−
∑
z
(
i
)
Q
i
(
z
(
i
)
)
l
o
g
Q
i
(
z
(
i
)
)
)
(
4
)
\underset{\theta}{argmax}\sum_{i=1}^{m}(\sum_{z(i)}Q_i(z^{(i)})log{P(x^{(i)},z^{(i)}|θ)}-\sum_{z(i)}Q_i(z^{(i)})log{Q_i(z^{(i)})})(4)
θargmaxi=1∑m(z(i)∑Qi(z(i))logP(x(i),z(i)∣θ)−z(i)∑Qi(z(i))logQi(z(i)))(4)
去掉上式中为常数的部分(后面减掉的
∑
z
(
i
)
Q
i
(
z
(
i
)
)
l
o
g
Q
i
(
z
(
i
)
)
\sum_{z(i)}Q_i(z^{(i)})log{Q_i(z^{(i)})}
∑z(i)Qi(z(i))logQi(z(i))),这部分求
θ
\theta
θ过程中是不用考虑的。
则我们需要极大化的对数似然下界为:
a
r
g
m
a
x
θ
∑
i
=
1
m
∑
z
(
i
)
Q
i
(
z
(
i
)
)
l
o
g
P
(
x
(
i
)
,
z
(
i
)
∣
θ
)
a
r
g
m
a
x
θ
∑
i
=
1
m
∑
z
(
i
)
P
(
z
(
i
)
∣
x
(
i
)
,
θ
)
)
l
o
g
P
(
x
(
i
)
,
z
(
i
)
∣
θ
)
\underset{\theta}{argmax}\sum_{i=1}^{m}\sum_{z^{(i)}}Q_i(z^{(i)})log{P(x^{(i)},z^{(i)}|θ)} \\\underset{\theta}{argmax}\sum_{i=1}^{m}\sum_{z^{(i)}}P(z^{(i)}|x^{(i)},θ))log{P(x^{(i)},z^{(i)}|θ)}
θargmaxi=1∑mz(i)∑Qi(z(i))logP(x(i),z(i)∣θ)θargmaxi=1∑mz(i)∑P(z(i)∣x(i),θ))logP(x(i),z(i)∣θ)
上式也就是我们的EM算法的M步,那E步呢?注意到上式中
Q
i
(
z
(
i
)
)
Q_i(z^{(i)})
Qi(z(i))是一个分布,因此
∑
z
(
i
)
Q
i
(
z
(
i
)
)
l
o
g
P
(
x
(
i
)
,
z
(
i
)
∣
θ
)
\sum_{z^{(i)}}Q_i(z^{(i)})log{P(x^{(i)},z^{(i)}|θ)}
∑z(i)Qi(z(i))logP(x(i),z(i)∣θ)可以理解为
l
o
g
P
(
x
(
i
)
,
z
(
i
)
∣
θ
)
log{P(x^{(i)},z^{(i)}|θ)}
logP(x(i),z(i)∣θ)基于条件概率分布
Q
i
(
z
(
i
)
)
Q_i(z^{(i)})
Qi(z(i))的期望。
至此,我们理解了EM算法中E步和M步的具体数学含义。
3. EM算法流程
现在我们总结下EM算法的流程。
输入:
观察数据 x = ( x ( 1 ) , x ( 2 ) , . . . x ( m ) ) x=(x^{(1)},x^{(2)},...x^{(m)}) x=(x(1),x(2),...x(m)) ,联合分布 P ( x , z ; θ ) P(x,z;θ) P(x,z;θ) , 条件分布 P ( z ∣ x , θ ) P(z|x,θ) P(z∣x,θ) , 最大迭代次数 J 。
-
随机初始化模型参数* θ θ θ* 的初值 θ 0 θ_0 θ0 。
-
for j from 1 to J开始EM算法迭代:
a) E步:计算联合分布的条件概率期望:
Q
i
(
z
(
i
)
)
=
P
(
z
(
i
)
∣
x
(
i
)
,
θ
j
)
)
L
(
θ
,
θ
j
)
=
∑
i
=
1
m
∑
z
(
i
)
Q
i
(
z
(
i
)
)
l
o
g
P
(
x
(
i
)
,
z
(
i
)
∣
θ
)
Q_i(z^{(i)})=P(z^{(i)}|x^{(i)},θ^j)) \\ L(θ,θ^j )=\sum_{i=1}^m\sum_{z^{(i)}}Q_i(z^{(i)})logP(x^{(i)},z^{(i)}|θ)
Qi(z(i))=P(z(i)∣x(i),θj))L(θ,θj)=i=1∑mz(i)∑Qi(z(i))logP(x(i),z(i)∣θ)
b) M步:极大化
L
(
θ
,
θ
j
)
L(θ,θ^j)
L(θ,θj) ,得到
θ
j
+
1
θ^{j+1}
θj+1 :
θ
j
+
1
=
a
r
g
m
a
x
θ
L
(
θ
,
θ
j
)
θ^{j+1}=\underset{\theta}{argmax}L(θ,θ^{j})
θj+1=θargmaxL(θ,θj)
c) 如果
θ
j
+
1
θ^{j+1}
θj+1 已收敛,则算法结束。否则继续回到步骤a)进行E步迭代。
输出:模型参数θ。
4. EM算法的一些思考
如果我们从算法思想的角度来思考EM算法,我们可以发现我们的算法里已知的是观察数据,未知的是隐含数据和模型参数,在E步,我们所做的事情是固定模型参数的值,优化隐含数据的分布,而在M步,我们所做的事情是固定隐含数据分布,优化模型参数的值。比较下其他的机器学习算法,其实很多算法都有类似的思想。