理论 高斯混合模型的和详细的EM算法推导见《统计学习方法》 这里说明一点: EM算法叫期望极大算法,是先在当前参数下求得完全分布对于隐变量的期望,然后求解对数似然的最大化问题,以获得新一轮迭代的参数。 其中核心在于Q函数 Q ( θ , θ ( i ) ) Q(\theta,\theta^{(i)}) Q(θ,θ(i)), Q函数是完全数据的对数似然函数 l o g P ( Y , Z ∣ θ ) logP(Y,Z|\theta) logP(Y,Z∣θ),关于在给定的观测数据 Y Y Y和当前参数 θ ( i ) \theta^{(i)} θ(i)下对未观测数据 Z