EM 思想

以Kmeans和GMM为例，阐述EM思想。

Kmeans

kmeans是一种相当简单和直观的聚类算法，主要分类两步：

1. 对于每个点，选择离他最近的聚类中心作为他的类别：$c^{(i)}:=\arg {\min }_j{\Vert x^{(i)}-{\mu }_j\Vert }^2$
2. 对于每个类别，求解聚类这个类的聚类中心： μ j : = ∑ i = 1 m 1 { c ( i ) = j } x ( i ) ∑ i = 1 m 1 { c ( i ) = j } \mu_{j} :=\frac{\sum_{i=1}^{m} 1\left\{c^{(i)}=j\right\} x^{(i)}}{\sum_{i=1}^{m} 1\left\{c^{(i)}=j\right\}} μj​:=∑i=1m​1{c(i)=j}∑i=1m​1{c(i)=j}x(i)​

虽然算法很简单，但是我们还是需要回答一个很基本的问题，这个算法会收敛吗？

我们定义一个distortion function：$J(c,\mu )={\sum }_{i=1}^m{\Vert x^{(i)}-{\mu }_{c^{(i)}}\Vert }^2$

这个函数衡量了点到对应的聚类中心的距离平方和，实际上，我们的kmeans算法能使得distortion function不断减小，具体来说：

1. 第一步是在$\mu$固定的情况下，我们通过$c$不断减小$J$
2. 第二步是在$c$固定的情况下，我们通过$\mu$不断减小$J$

因此，$J$一定是单调递减的，因此也保证了算法的收敛性。

但在实际应用中，kmeans算法并不能保证全局最优解，同时可能存在着震荡，这是因为我们的优化目标$J$不是一个凸函数。而kmeans算法的每一步都是在寻找局部最优解（local optima），因此，最好的办法是多次重复该算法，并选择最小的$J$。

GMM

Model

假设我们有一系列训练集$\left\{x^{(1)},\dots ,x^{(m)}\right\}$，我们需要使用非监督学习的方法 进行训练。

我们将这些数据建模成联合分布的形式：$p\left(x^{(i)}, z^{(i)}\right)= p\left(x^{(i)} | z^{(i)}\right) p\left(z^{(i)}\right) $。

• 在这里， $z^{(i)}\sim$ Multinomial $(\varphi )$ (where ${\varphi }_j\ge 0,{\sum }_{j=1}^k{\varphi }_j=1$），也就是我们的隐变量
• 在给定$z$的条件下，假设$x^{(i)}|z^{(i)}=j\sim \mathcal{N}\left({\mu }_j,{\Sigma }_j\right)$

因此，我们首先需要通过随机变量$z$产生一个$z^{(i)}$，然后再从对应的高斯分布中产生$x$，这种模型被称为高斯混合模型。

不难得到，对于这个模型来说，我们的参数为$\varphi ,\mu$ and $\Sigma$。写成似然函数的形式：

$$\begin{array}{rl}\ell (\varphi ,\mu ,\Sigma )& =\sum _{i=1}^m\log p\left(x^{(i)};\varphi ,\mu ,\Sigma \right)\\ & =\sum _{i=1}^m\log \sum _{z^{(i)}=1}^{k}p\left(x^{(i)}|z^{(i)};\mu ,\Sigma \right)p\left(z^{(i)};\varphi \right)\end{array}$$

但很遗憾的是，如果我们直接对这个似然函数求导，无法得到一个cloed form。

If $z$ is observed

但如果我们的隐变量$z$是已知的呢，我们是不是就很容易求解了呢？

我们重写似然函数为：

$$\ell (\varphi ,\mu ,\Sigma )=\sum _{i=1}^m\log p\left(x^{(i)}|z^{(i)};\mu ,\Sigma \right)+\log p\left(z^{(i)};\varphi \right)$$

带入假设的分布，不难求得：
$${\varphi }_j=\frac{1}{m}\sum _{i=1}^{m}1\left\{z^{(i)}=j\right\}$$

$${\mu }_j=\frac{{\sum }_{i=1}^{m}1\left\{z^{(i)}=j\right\}{x}^{(i)}}{{\sum }_{i=1}^{m}1\left\{z^{(i)}=j\right\}}$$

$${\Sigma }_j=\frac{{\sum }_{i=1}^{m}1\left\{z^{(i)}=j\right\}\left(x^{(i)}-{\mu }_j\right){\left(x^{(i)}-{\mu }_j\right)}^T}{{\sum }_{i=1}^{m}1\left\{z^{(i)}=j\right\}}$$

因此，如果我们已知$z$，那么MLE几乎和之前的高斯判别模型完全一致了。

但实际上，$z$是未知的，那么怎么办呢？

EM algorithm

我们使用EM思想来处理。EM是一种迭代的算法，主要有两个步骤：

1. E步：通过期望去guss$z$的最可能的值 $w_j^{(i)}:=p\left(z^{(i)}=j|x^{(i)};\varphi ,\mu ,\Sigma \right)$
   • 实际上我们是通过后验概率来进行估计：$p\left(z^{(i)}=j|x^{(i)};\varphi ,\mu ,\Sigma \right)=\frac{p\left(x^{(i)}|z^{(i)}=j;\mu ,\Sigma \right)p\left(z^{(i)}=j;\varphi \right)}{{\sum }_{l=1}^{k}p\left(x^{(i)}|z^{(i)}=l;\mu ,\Sigma \right)p\left(z^{(i)}=l;\varphi \right)}$
   • 在这里，我们分子上的概率都可以直接得到，因此可以得到$x^{(i)}=j$的概率，也就是soft assignments $w_j^{(i)}$
2. M步：通过已知的$z$来对模型参数进行估计（与上面一样）
   • ${\varphi }_j:=\frac{1}{m}{\sum }_{i=1}^m{w}_j^{(i)}$
   • ${\mu }_j:=\frac{{\sum }_{i=1}^m{w}_j^{(i)}{x}^{(i)}}{{\sum }_{i=1}^m{w}_j^{(i)}}$
   • ${\Sigma }_j:=\frac{{\sum }_{i=1}^m{w}_j^{(i)}\left(x^{(i)}-{\mu }_j\right){\left(x^{(i)}-{\mu }_j\right)}^T}{{\sum }_{i=1}^m{w}_j^{(i)}}$

我们会发现，EM算法和kmeans有着很微妙的关系，除了在E步时，kmeans使用了hard cluster assignments而不是soft assignments，也就是对每个点分配了一个类别而不是概率，其他的都完全一样。

因此，EM也是一种local optima的算法，因此随机初始化参数可能会得到不同的结果。

但对于EM而言，还有两个问题没有解决：

1. E步时，如何来估计隐变量是一种较好的选择？
2. 如何保证算法的收敛性？

这些内容在下一篇博客会详细介绍。