EM算法推导

EM（Expectation-Maximum）算法也称期望最大化算法，曾入选“数据挖掘十大算法”中，可见EM算法在机器学习、数据挖掘中的影响力。EM算法是最常见的隐变量估计方法，在机器学习中有极为广泛的用途，例如常被用来学习高斯混合模型（Gaussian mixture model，简称GMM）的参数；隐式马尔科夫算法（HMM）、LDA主题模型的变分推断等等。EM算法是一种迭代优化策略，由于它的计算方法中每一次迭代都分两步，其中一个为期望步（E步），另一个为极大步（M步），所以算法被称为EM算法（Expectation-Maximization Algorithm）。

问题描述

我们目前有200个男生的身高，我们假设身高是按照高斯分布排序的，那么我们要如何求得这个高斯分布的以及呢。

我们已知的条件有两个：样本服从的分布模型、随机抽取的样本。我们需要求解模型的参数。根据已知条件，我们一般是使用极大似然估计，求出未知参数。总的来说：极大似然估计就是用来估计模型参数的统计学方法。

高斯分布

带入样本值然后取对数似然

然后我们分别对于以及求偏导。

最后得出

 即为样本均值， 为样本标准差。

这就是极大似然估计。

那么现在我们有100个男生和100个女生的身高，但是我们不知道这200个数据中哪个是男生的身高，哪个是女生的身高，即抽取得到的每个样本都不知道是从哪个分布中抽取的。这个时候，对于每个样本，就有两个未知量需要估计：

（1）这个身高数据是来自于男生数据集合还是来自于女生？

（2）男生、女生身高数据集的正态分布的参数分别是多少？

这个时候似然估计就不能用了，我们得使用EM算法。

算法推导

 给定的训练样本是，样例间独立，我们想找到每个样例隐含的类别z，能使得p(x,z)最大。p(x,z)的最大似然估计如下：

    

第一步是对极大似然取对数，第二步是对每个样例的每个可能类别z求联合分布概率和。但是直接求一般比较困难，因为有隐藏变量z存在，但是一般确定了z后，求解就容易了。

EM是一种解决存在隐含变量优化问题的有效方法。这里不能够直接最大化，我们可以不断地建立的下界（E步），然后优化下界（M步）。如下图：

横坐标是参数，纵坐标是似然函数，首先我们初始化一个θ1，根据它求似然函数一个紧的下界，也就是图中第一条黑短线，黑短线上的值虽然都小于似然函数的值，但至少有一点可以满足等号（所以称为紧下界），最大化小黑短线我们就hit到至少与似然函数刚好相等的位置，对应的横坐标就是我们的新的θ2，如此进行，只要保证随着θ的更新，每次最大化的小黑短线值都比上次的更大，那么算法收敛，最后就能最大化到似然函数的极大值处。

这里我们回想一下高数的Jenson不等式：

如果f是凸函数，X是随机变量，那么

特别地，如果f是严格凸函数，那么当且仅当，也就是说X是常量。

这里我们将简写为。

如图所示：

构造上面那个图的小黑短线，就要靠Jensen不等式。注意我们这里的log函数是个凹函数，所以我们使用的Jensen不等式的凹函数版本。根据Jensen函数，需要把log里面的东西写成一个数学期望的形式，注意到log里的和是关于隐变量Z的和，于是自然而然，这个数学期望一定是和Z有关，如果设Q(z)是Z的分布函数，那么可以这样构造：

构造好数学期望，下一步根据Jensen不等式进行放缩：

　　

有了这一步，我们看一下整个式子：

　　

也就是说我们找到了似然函数的一个下界，那么优化它是否就可以呢？不是的，上面说了必须保证这个下界是紧的，也就是至少有点能使等号成立。由Jensen不等式，等式成立的条件是随机变量是常数，具体到这里，就是：

　　　　

又因为Q（z）是z的分布函数，所以：

把C乘过去，可得C就是p(xi,z)对z求和，所以我们终于知道了：

　　

得到Q(z)，就是p(zi|xi)，代表第i个数据是来自zi的概率。这一步就是E步，建立的下界。接下来的M步，就是在给定后，调整，去极大化的下界。所以一般的EM算法的步骤如下：

循环重复直到收敛 {

      （E步）对于每一个i，计算

                  

      （M步）计算

                  

}

带入高斯混合模型

 我们已经知道了推导了em算法的过程，再次审视一下混合高斯模型

E步很简单，按照一般EM公式得到：

     

      简单解释就是每个样例i的隐含类别为j的概率可以通过后验概率计算得到。

      在M步中，我们需要在固定后最大化最大似然估计，也就是

      

      这是将的k种情况展开后的样子，未知参数和。

      固定和，对求导得

      

      等于0时，得到

      

      这就是我们之前模型中的的更新公式。

      然后推导的更新公式。看之前得到的

      

      在和确定后，分子上面的一串都是常数了，实际上需要优化的公式是：

      

      需要知道的是，还需要满足一定的约束条件就是。

      这个优化问题我们很熟悉了，直接构造拉格朗日乘子。

      

      还有一点就是，但这一点会在得到的公式里自动满足。

      求导得，

      

      等于0，得到

      

      也就是说再次使用，得到

      

      这样就神奇地得到了。

      那么就顺势得到M步中的更新公式：

      

   的推导也类似，结果为

总结

 如果将样本看作观察值，潜在类别看作是隐藏变量，那么聚类问题也就是参数估计问题，只不过聚类问题中参数分为隐含类别变量和其他参数，这犹如在x-y坐标系中找一个曲线的极值，然而曲线函数不能直接求导，因此什么梯度下降方法就不适用了。但固定一个变量后，另外一个可以通过求导得到，因此可以使用坐标上升法，一次固定一个变量，对另外的求极值，最后逐步逼近极值。

 另外，EM的收敛性证明方法确实很牛，能够利用log的凹函数性质，还能够想到利用创造下界，拉平函数下界，优化下界的方法来逐步逼近极大值。而且每一步迭代都能保证是单调的。最重要的是证明的数学公式非常精妙，硬是分子分母都乘以z的概率变成期望来套上Jensen不等式。