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