Expectation-Maximization(EM) 算法

Expectation-Maximization(EM) 算法

 

Expectation-Maximization 算法是统计学中用来给带隐含变量的模型做最大似然（和最大后验概率）的一种方法。EM 的应用特别广泛，经典的比如做概率密度估计用的 Gaussian Mixture Model。这两天我或许还会写 p 的笔记放上来，也是 EM 应用的例子。

下面我会先解释 EM 算法要解决的问题，然后直接给出算法的过程，最后再说明算法的正确性。

问题

首先我们定义要解决的问题。给定一个训练集 X={x(1),…,x(m)}，我们希望拟合包含隐含变量 z 的模型 P(x,z;θ) 中的参数 θ。根据模型的假设，每个我们观察到的 x(i) 还对应着一个我们观察不到的隐含变量 z(i)，我们记 Z={z(1),…,z(m)}。做最大对数似然就是要求 θ 的“最优值”：

θ=argmaxθL(θ;X)

其中

L(θ;X)=logP(X;θ)=log∑ZP(X,Z;θ)

想用这个 log 套 ∑ 的形式直接求解 θ 往往非常困难。而如果能观察到隐含变量 z ，求下面的似然函数的极大值会容易许多：

L(θ;X,Z)=logP(X,Z;θ)

问题是实际上我们没法观察到 z 的值，只能在给定 θ 时求 z 的后验概率 P(z|x;θ) 。 [1] EM 算法就可以帮我们打破这样的困境。

算法

下面给出 EM 算法的过程。其中 θt 是第 t-1 次迭代时算出的 θ 值；θ0 为任意初值。

Repeat until converge {

1. (E-step) 计算 P(Z|X;θt) 以得到

   EZ|X;θt[L(θ;X,Z)]:=EZ|X;θt[logP(X,Z;θ)]=∑ZP(Z|X;θt)logP(X,Z;θ)

2. (M-step)

   θt+1:=argmaxθEZ|X;θt[logP(X,Z;θ)]

}

对，就这么短。所以我总觉得称之为 algorithm 不如称之为 method 更恰当。上面的过程在收敛后就得到了我们需要的 θ=argmaxθL(θ;X) [2]。

先简单说说这短短两步都做了些啥。EM 算法每次迭代都建立在上轮迭代对 θ 的最优值的估计 θt 上，利用它可以求出 Z 的后验概率 P(Z|X;θt) ，进而求出 L(θ;X,Z) 在分布 Z∼P(Z|X;θ) 上的期望 EZ|X;θt[L(θ;X,Z)]。在第一节中我们提到 argmaxθL(θ;X,Z) 在未知 Z 的情况下难以直接计算，于是 EM 算法就转而通过最大化它的期望 EZ|X;θt[L(θ;X,Z)] 来逼近 θ 的最优值，得到 θt+1 。注意由于 L(θ;X,Z) 的这个期望是在 Z 的一个分布上求的，这样得到的表达式就只剩下 θ 一个未知量，因而绕过了 z 未知的问题。而 θt+1 又可以作为下轮迭代的基础，继续向最优逼近。算法中 E-step 就是在利用 θt 求期望 EZ|X;θt[L(θ;X,Z)]，这就是所谓“Expectation”；M-step 就是通过寻找 θt+1 最大化这个期望来逼近 θ 的最优值，这就叫“Maximization”。EM 算法因此得名。

另外，如果数据满足独立同分布的条件，分别枚举 z(i) 的值可能要比枚举整个 Z 方便些，可把 EZ|X;θt[L(θ;X,Z)] 替换成：

∑iEz(i)|x(i);θt[L(θ;x(i),z(i)]:=∑iEz(i)|x(i);θt[logP(x(i),z(i);θ)]=∑i∑z(i)P(z(i)|x(i);θt)logP(x(i),z(i);θ)

原理

为什么这样 E一步，M一步，一步E，一步M，就能逼近极大似然？具体而言，为什么通过迭代计算 argmaxθEZ|X;θt[L(θ;X,Z)] 可以逼近 θ 的最优值 argmaxθL(θ;X,Z)？我们稍后会看到，这是因为每次迭代得到的 θt+1 一定比 θt 更优，即算法是在对 θ 的最优值做单调逼近。

不过首先让我们先抛开最大似然，考虑一个更一般的问题。假设有一个凹函数 F(θ) ，我们想求 argmaxθF(θ) ，但直接求很困难。不过对于任意给定的 θt，假设我们都能找到 F(θ) 的一个下界函数 Gθt(θ)，满足 F(θ)≥Gθt(θ) 且 F(θt)=Gθt(θt) ——我管 Gθt(θ) 这样的函数叫 F 的“在 θt 处相等的下界函数”。现在考虑 θt+1:=argmaxθGθt(θ)，它一定会满足：

F(θt+1)≥Gθt(θt+1)≥Gθt(θt)=F(θt)

也就是说， θt+1 一定比 θt 更优。而接下来我们又可以用 θt+1 找到一个 Gθt+1(θ)，再据此算出比 θt+1 还优的 θt+2:=argmaxθGθt+1(θ) 。如此不断迭代，就能不断步步逼近 θ 的最优值了。由此可见，如果对任意 θt都能找到 F 的“在 θt 处相等的下界函数” Gθt(θ)，我们就得到了一个能单调逼近 θ 的最优值的算法：

Repeat until converge {

1. 找到函数 F(θ) 的“在 θt 处相等的下界函数” Gθt(θ)

2. 更新参数

   θt+1:=argmaxθGθt(θ)

}

上面的算法看起来和 EM 算法的每步都分别对应——事实上也正如此。下面是从 PRML 中偷的一张图改的，展示了上述逼近的过程：

现在我们回到最大似然问题 θ=argmaxθL(θ;X) 。如果我们想套用上面的算法来逼近 θ 的这个最优解，就需要找到对于每个 θt，函数 L(θ;X) 的“在 θt 处相等的下界函数”。该怎么找呢？让我们从 L(θ) 的初始形式开始推导：

L(θ)=logP(X;θ)=log∑ZP(X,Z;θ)

又卡在这个 log 套 ∑ 的形式上了……我们说过麻烦在于观察不到 Z 的值，那不妨给它任意引入一个概率分布 Q(Z) [3]，利用分子分母同乘 Q(Z) 的小 trick，得到：

L(θ)=log∑ZP(X,Z;θ)=log∑ZQ(Z)P(X,Z;θ)Q(Z)=logEZ∼Q[P(X,Z;θ)Q(Z)]

根据 Jensen 不等式 [4]，对于任意分布 Q 都有：

L(θ)=logEZ∼Q[P(X,Z;θ)Q(Z)]≥EZ∼Q[logP(X,Z;θ)Q(Z)]

且上面的不等式在 P(X,Z;θ)Q(Z) 为常数时取等号。

于是我们就得到了 L(θ;X) 的一个下界函数。我们要想套用上面的算法，还要让这个不等式在 θt 处取等号，这就这要求在 θ=θt 时 P(X,Z;θ)Q(Z) 为常数，即 Q(Z)∝P(X,Z;θt)。由于 Q(Z) 是一个概率分布，必须满足 ∑zQi(z)=1，所以这样的 Q(Z) 只能是 Q(Z)=P(X,Z;θt)∑ZP(X,Z;θt)=P(Z|X;θt)。那我们就把 Q(Z)=P(Z|X;θt) 代入上式，得到：

L(θ)≥EZ|X;θt[logP(X,Z;θ)P(Z|X;θt)]

且该不等式在 θ=θt 时取到等号。那么…… EZ|X;θt[logP(X,Z;θ)P(Z|X;θt)] 就是 L(θ;X) 的“在 θt 处相等的下界函数”——这不就是我们要找的么！于是把它塞进本节开始得到的算法里替换“ Gθt(θ) ”就可以用啦。也就是说，迭代计算 argmaxθEZ|X;θt[logP(X,Z;θ)P(Z|X;θt)]就可以逼近 θ 的最优值了。而由于利用 Jensen 不等式的那一步搞掉了log套∑的形式，它算起来往往要比直接算 argmaxθL(θ;X) 容易不少。

我们还可以再做几步推导，得到一个更简单的形式：

θt+1:=argmaxθEZ|X;θt[logP(X,Z;θ)P(Z|X;θt)]≡argmaxθ∑ZP(Z|X;θt)logP(X,Z;θ)P(Z|X;θt)=argmaxθ∑Z[P(Z|X;θt)logP(X,Z;θ)−P(Z|X;θt)logP(Z|X;θt)]=argmaxθ∑ZP(Z|X;θt)logP(X,Z;θ)≡argmaxθEZ|

转载于:https://www.cnblogs.com/iihcy/p/5105994.html