EM算法（3）....个人的学习体会

高斯混合模型是EM算法的经典应用，结合高斯混合模型进行EM算法的学习是一个较好的方法。

EM知识要点：

1、EM算法是最大似然估计的特殊情况，首先EM算法模型是根据最大似然估计来建立的。因为在某种情况下，有中间隐含变量，不能直接让偏导为零而求得参数解，于是就产生了EM算法。

2、EM算法怎么在隐含变量的情况下，求所需的参数解？这涉及了一系列先验概率和后验概率的知识运用，同时还需非常重要的一步“假设初始参数值”。

3、算法的基本思想：

   假设需要求的参数是x，首先假设的初始参数为x=x0；

       E:在已知x的情况下，根据后验概率的思想来求得隐含变量值（在概率上表达的）；

       M:然后应用最大似然估计求参数的方法求得参数x1，另x=x1；

   不断地重复E、M两步，使得最终的x值收敛到指定的范围。