EM, Expectation maximization

EM 算法是机器学习中比较重要的算法，可以用来做聚类。其EM的思想在才是最重要（不断的优化下界来逼近上界）。当我们面临二个参数需要优化的时候，只要符合EM的不等式（凸函数），可以采用这种思想，先定一个参数，在优化另一个参数。以前在读这个算法时，就费了很大的力气，本想写出来的，但看到别人博客里写了EM算法，且写的比较通俗易懂，深入浅出，即使你以前没有看过EM算法，只要你静下心来，一定会看的懂。 下面主要介绍EM的整个推导过程。1. Jensen不等式 回顾优化理论中的一些概念。设f是定义域为实数的函数，如果对于所有的实数x，clip_image002，那么f是凸函数。当x是向量时，如果其hessian矩阵H是半正定的（clip_image004），那么f是凸函数。如果clip_image006或者clip_image008，那么称f是严格凸函数。 Jensen不等式表述如下： 如果f是凸函数，X是随机变量，那么 clip_image010 特别地，如果f是严格凸函数，那么clip_image012当且仅当clip_image014，也就是说X是常量。 这里我们将clip_image016简写为clip_image018。 如果用图表示会很清晰： clip_image019 图中，实线f是凸函数，X是随机变量，有0.5的概率是a，有0.5的概率是b。（就像掷硬币一样）。X的期望值就是a和b的中值了，图中可以看到clip_image010[1]成立。 当f是（严格）凹函数当且仅当-f是（严格）凸函数。 Jensen不等式应用于凹函数时，不等号方向反向，也就是clip_image021。2. EM算法 给定的训练样本是clip_image023，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： clip_image024 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clip_image026一般比较困难，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。竟然不能直接最大化clip_image028，我们可以不断地建立clip_image030的下界（E步），然后优化下界（M步）。这句话比较抽象，看下面的。 对于每一个样例i，让clip_image032表示该样例隐含变量z的某种分布，clip_image032[1]满足的条件是clip_image034。（如果z是连续性的，那么clip_image032[2]是概率密度函数，需要将求和符号换做积分符号）。比如要将班上学生聚类，假设隐藏变量z是身高，那么就是连续的高斯分布。如果按照隐藏变量是男女，那么就是伯努利分布了。可以由前面阐述的内容得到下面的公式： clip_image035 （1）到（2）比较直接，就是分子分母同乘以一个相等的函数。（2）到（3）利用了Jensen不等式，考虑到clip_image037是凹函数（二阶导数小于0），而且 clip_image038 就是clip_image039的期望（回想期望公式中的Lazy Statistician规则） 设Y是随机变量X的函数clip_image041（g是连续函数），那么 （1） X是离散型随机变量，它的分布律为clip_image043，k=1,2,…。若clip_image045绝对收敛，则有 clip_image047 （2） X是连续型随机变量，它的概率密度为clip_image049，若clip_image051绝对收敛，则有 clip_image053 对应于上述问题，Y是clip_image039[1]，X是clip_image055，clip_image057是clip_image059，g是clip_image055[1]到clip_image039[2]的映射。这样解释了式子（2）中的期望，再根据凹函数时的Jensen不等式： clip_image060可以得到（3）。 这个过程可以看作是对clip_image028[1]求了下界。对于clip_image032[3]的选择，有多种可能，那种更好的？假设clip_image026[1]已经给定，那么clip_image028[2]的值就决定于clip_image057[1]和clip_image062了。我们可以通过调整这两个概率使下界不断上升，以逼近clip_image028[3]的真实值，那么什么时候算是调整好了呢？当不等式变成等式时，说明我们调整后的概率能够等价于clip_image028[4]了。按照这个思路，我们要找到等式成立的条件。根据Jensen不等式，要想让等式成立，需要让随机变量变成常数值，这里得到： clip_image063 c为常数，不依赖于clip_image065。对此式子做进一步推导，我们知道clip_image067，那么也就有clip_image069，（多个等式分子分母相加不变，这个认为每个样例的两个概率比值都是c），那么有下式： clip_image070 至此，我们推出了在固定其他参数clip_image026[2]后，clip_image072的计算公式就是后验概率，解决了clip_image072[1]如何选择的问题。这一步就是E步，建立clip_image028[5]的下界。接下来的M步，就是在给定clip_image072[2]后，调整clip_image026[3]，去极大化clip_image028[6]的下界（在固定clip_image072[3]后，下界还可以调整的更大）。那么一般的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 clip_image074 （M步）计算 clip_image075 那么究竟怎么确保EM收敛？假定clip_image077和clip_image079是EM第t次和t+1次迭代后的结果。如果我们证明了clip_image081，也就是说极大似然估计单调增加，那么最终我们会到达最大似然估计的最大值。下面来证明，选定clip_image077[1]后，我们得到E步 clip_image083 这一步保证了在给定clip_image077[2]时，Jensen不等式中的等式成立，也就是 clip_image084 然后进行M步，固定clip_image086，并将clip_image088视作变量，对上面的clip_image090求导后，得到clip_image092，这样经过一些推导会有以下式子成立： clip_image093 解释第（4）步，得到clip_image092[1]时，只是最大化clip_image090[1]，也就是clip_image095的下界，而没有使等式成立，等式成立只有是在固定clip_image026[4]，并按E步得到clip_image097时才能成立。 况且根据我们前面得到的下式，对于所有的clip_image097[1]和clip_image026[5]都成立 clip_image098 第（5）步利用了M步的定义，M步就是将clip_image088[1]调整到clip_image100，使得下界最大化。因此（5）成立，（6）是之前的等式结果。 这样就证明了clip_image102会单调增加。一种收敛方法是clip_image102[1]不再变化，还有一种就是变化幅度很小。 再次解释一下（4）、（5）、（6）。首先（4）对所有的参数都满足，而其等式成立条件只是在固定clip_image026[6]，并调整好Q时成立，而第（4）步只是固定Q，调整clip_image026[7]，不能保证等式一定成立。（4）到（5）就是M步的定义，（5）到（6）是前面E步所保证等式成立条件。也就是说E步会将下界拉到与clip_image102[2]一个特定值（这里clip_image088[2]）一样的高度，而此时发现下界仍然可以上升，因此经过M步后，下界又被拉升，但达不到与clip_image102[3]另外一个特定值一样的高度，之后E步又将下界拉到与这个特定值一样的高度，重复下去，直到最大值。 如果我们定义 clip_image103 从前面的推导中我们知道clip_image105，EM可以看作是J的坐标上升法，E步固定clip_image026[8]，优化clip_image107，M步固定clip_image107[1]优化clip_image026[9]。3. 重新审视混合高斯模型 我们已经知道了EM的精髓和推导过程，再次审视一下混合高斯模型。之前提到的混合高斯模型的参数clip_image109和clip_image111计算公式都是根据很多假定得出的，有些没有说明来由。为了简单，这里在M步只给出clip_image113和clip_image115的推导方法。E步很简单，按照一般EM公式得到： clip_image116 简单解释就是每个样例i的隐含类别clip_image055[2]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clip_image072[4]后最大化最大似然估计，也就是 clip_image118 这是将clip_image120的k种情况展开后的样子，未知参数clip_image122和clip_image124。 固定clip_image126和clip_image128，对clip_image130求导得 clip_image131 等于0时，得到 clip_image132 这就是我们之前模型中的clip_image115[1]的更新公式。 然后推导clip_image126[1]的更新公式。看之前得到的 clip_image133 在clip_image113[1]和clip_image115[2]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： clip_image134 需要知道的是，clip_image126[2]还需要满足一定的约束条件就是clip_image136。 这个优化问题我们很熟悉了，直接构造拉格朗日乘子。 clip_image137 还有一点就是clip_image139，但这一点会在得到的公式里自动满足。 求导得， clip_image141 等于0，得到 clip_image142 也就是说clip_image143再次使用clip_image136[1]，得到 clip_image144 这样就神奇地得到了clip_image146。 那么就顺势得到M步中clip_image126[3]的更新公式： clip_image147 clip_image111[1]的推导也类似，不过稍微复杂一些，毕竟是矩阵。结果在之前的混合高斯模型中已经给出。4. 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。对应到EM上，E步估计隐含变量，M步估计其他参数，交替将极值推向最大。EM中还有“硬”指 定和“软”指定的概念，“软”指定看似更为合理，但计算量要大，“硬”指定在某些场合如K-means中更为实用（要是保持一个样本点到其他所有中心的概 率，就会很麻烦）。 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，前人都是怎么想到的。 在Mitchell的Machine Learning书中也举了一个EM应用的例子，明白地说就是将班上学生的身高都放在一起，要求聚成两个类。这些身高可以看作是男生身高的高斯分布和女生 身高的高斯分布组成。因此变成了如何估计每个样例是男生还是女生，然后在确定男女生情况下，如何估计均值和方差，里面也给出了公式，有兴趣可以参考。