EM算法

最大期望算法（Expectation-maximization algorithm，又译为期望最大化算法），是在概率模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐性变量。

最大期望算法经过两个步骤交替进行计算，

第一步是计算期望（E），利用对隐藏变量的现有估计值，计算其最大似然估计值；
第二步是最大化（M），最大化在E步上求得的最大似然值来计算参数的值。M步上找到的参数估计值被用于下一个E步计算中，这个过程不断交替进行。

直白来说 先E再M，重复。。
E就是根据自己现有的数据对结果进行 概率计算得到结果， 计算现有结果
M 就是根据现有的情况计算 得到更新层次的结果。 根据现有结果计算概率

然后又有了新的更新的数据的M计算得到新的结果。

https://www.cnblogs.com/bigmoyan/p/4550375.html
https://blog.csdn.net/v_july_v/article/details/81708386
https://blog.csdn.net/zouxy09/article/details/8537620
https://blog.csdn.net/zhihua_oba/article/details/73776553