1. 期望最大
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 log p ( x ∣ θ ) \theta_{MLE}=\mathop{argmax}\limits_\theta\log p(x|\theta) θMLE=θargmaxlogp(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 log p ( x , z ∣ θ ) \log p(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
只要 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),那么就可以说,通过迭代,上式子会收敛到一个稳定的值,于是需要证明: 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)
注意式子中的
z
z
z写成
z
(
θ
t
)
z(\theta^t)
z(θt)更加合适
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 ) d z = ∫ 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 \begin{aligned}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})dz\\ &=\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 \end{aligned} 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)dz=∫zp(z∣x,θt)logp(z∣x,θt)p(z∣x,θt+1)=−KL(p(z∣x,θt),p(z∣x,θt+1))≤0 综合上面的结果: 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)
上面的式子证明EM算法写成上述式子会收敛,下面证明为什么要写成上面的式子,通常有两种证明方法
-
利用KL散度和ELBO下界
极 大 似 然 估 计 写 成 : 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 ) 极大似然估计写成: \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)} 极大似然估计写成: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 ) ) \begin{aligned} &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)) \end{aligned} 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 log p ( x ∣ θ ) ≥ E L B O \log p(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 , θ t ) q(z)=p(z|x,\theta^t) q(z)=p(z∣x,θt) 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)]
要想Jensen不等式取等号,需要让 log f ( x ) \log{f(x)} logf(x)为常数,所以需要让其中,等号在 p ( x , z ∣ θ ) = C q ( z ) p(x,z|\theta)=Cq(z) p(x,z∣θ)=Cq(z) 时成立,右边的式子就是 ELBO。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。
2 总结
我们给出了EM算法的公式
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)]
并且有两个证明:
- 证明了这个公式的可行性
- 证明了为什么公式要写成这个样子,这部分用两个方法证明的a.ELBO下界 b.Jenson不等式