EM算法

期望最大

期望最大算法的目的是解决具有隐变量的混合模型的参数估计（极大似然估计）。MLE 对 $p(x|\theta )$ 参数的估计记为：${\theta }_{MLE}=\underset{\theta }{\mathrm{argmax}}\log p(x|\theta )$。EM 算法对这个问题的解决方法是采用迭代的方法：
$${\theta }^{t+1}=\underset{\theta }{\mathrm{argmax}}{\int }_z\log [p(x,z|\theta )]p(z|x,{\theta }^t)dz={\mathbb{E}}_{z|x,{\theta }^t}[\log p(x,z|\theta )]$$
这个公式包含了迭代的两步：

1. E step：计算 $\log p(x,z|\theta )$ 在概率分布 $p(z|x,{\theta }^t)$ 下的期望
2. M step：计算使这个期望最大化的参数得到下一个 EM 步骤的输入

求证：$\log p(x|{\theta }^t)\le \log p(x|{\theta }^{t+1})$

证明：$\log p(x|\theta )=\log p(z,x|\theta )-\log p(z|x,\theta )$，对左右两边求积分：
$$Left:{\int }_{z}p(z|x,{\theta }^t)\log p(x|\theta )dz=\log p(x|\theta )$$

$$Right:{\int }_{z}p(z|x,{\theta }^t)\log p(x,z|\theta )dz-{\int }_{z}p(z|x,{\theta }^t)\log p(z|x,\theta )dz=Q(\theta ,{\theta }^t)-H(\theta ,{\theta }^t)$$

所以：
$$\log p(x|\theta )=Q(\theta ,{\theta }^t)-H(\theta ,{\theta }^t)$$
由于 $Q(\theta ,{\theta }^t)={\int }_{z}p(z|x,{\theta }^t)\log p(x,z|\theta )dz$，而 ${\theta }^{t+1}=\underset{\theta }{\mathrm{argmax}}{\int }_z\log [p(x,z|\theta )]p(z|x,{\theta }^t)dz$，所以 $Q({\theta }^{t+1},{\theta }^t)\ge Q({\theta }^t,{\theta }^t)$。要证 $\log p(x|{\theta }^t)\le \log p(x|{\theta }^{t+1})$，需证：$H({\theta }^t,{\theta }^t)\ge H({\theta }^{t+1},{\theta }^t)$：
$$\begin{array}{rl}H({\theta }^{t+1},{\theta }^t)-H({\theta }^t,{\theta }^t)& ={\int }_{z}p(z|x,{\theta }^t)\log p(z|x,{\theta }^{t+1})dz-{\int }_{z}p(z|x,{\theta }^t)\log p(z|x,{\theta }^t)dz\\ & ={\int }_{z}p(z|x,{\theta }^t)\log \frac{p(z|x,{\theta }^{t+1})}{p(z|x,{\theta }^t)}=-KL(p(z|x,{\theta }^t),p(z|x,{\theta }^{t+1}))\le 0\end{array}$$
综合上面的结果：
$$\log p(x|{\theta }^t)\le \log p(x|{\theta }^{t+1})$$

根据上面的证明，我们看到，似然函数在每一步都会增大。进一步的，我们看 EM 迭代过程中的式子是怎么来的：
$$\log p(x|\theta )=\log p(z,x|\theta )-\log p(z|x,\theta )=\log \frac{p(z,x|\theta )}{q(z)}-\log \frac{p(z|x,\theta )}{q(z)}$$
分别对两边求期望 ${\mathbb{E}}_{q(z)}$：
$$\begin{array}{rl}& Left:{\int }_{z}q(z)\log p(x|\theta )dz=\log p(x|\theta )\\ & Right:{\int }_{z}q(z)\log \frac{p(z,x|\theta )}{q(z)}dz-{\int }_{z}q(z)\log \frac{p(z|x,\theta )}{q(z)}dz=ELBO+KL(q(z),p(z|x,\theta ))\end{array}$$
上式中，Evidence Lower Bound(ELBO)，是一个下界，所以 $\log p(x|\theta )\ge ELBO$，等于号取在 KL 散度为0是，即：$q(z)=p(z|x,\theta )$，EM 算法的目的是将 ELBO 最大化，根据上面的证明过程，在每一步 EM 后，求得了最大的ELBO，并根据这个使 ELBO 最大的参数代入下一步中：
$$\hat{\theta }={\mathrm{argmax}}_{\theta }ELBO={\mathrm{argmax}}_{\theta }{\int }_{z}q(z)\log \frac{p(x,z|\theta )}{q(z)}dz$$
由于 $ q(z)=p(z|x,\theta^t)$ 的时候，这一步的最大值才能取等号，所以：
$$\begin{gathered} \hat{\theta }={\mathrm{argmax}}_{\theta }ELBO={\mathrm{argmax}}_{\theta }{\int }_{z}q(z)\log \frac{p(x,z|\theta )}{q(z)}dz={\mathrm{argmax}}_{\theta }{\int }_{z}p(z|x,{\theta }^t)\log \frac{p(x,z|\theta )}{p(z|x,{\theta }^t)}dz \\ ={\mathrm{argmax}}_{\theta }{\int }_{z}p(z|x,{\theta }^t)\log p(x,z|\theta ) \end{gathered}$$
这个式子就是上面 EM 迭代过程中的式子。

从 Jensen 不等式出发，也可以导出这个式子：
$$\begin{gathered} \log p(x|\theta )=\log {\int }_{z}p(x,z|\theta )dz=\log {\int }_z\frac{p(x,z|\theta )q(z)}{q(z)}dz \\ =\log {\mathbb{E}}_{q(z)}[\frac{p(x,z|\theta )}{q(z)}]\ge {\mathbb{E}}_{q(z)}[\log \frac{p(x,z|\theta )}{q(z)}] \end{gathered}$$
其中，右边的式子就是 ELBO，等号在 $ p(x,z|\theta)=Cq(z)$ 时成立。于是：
$$\begin{gathered} {\int }_{z}q(z)dz=\frac{1}{C}{\int }_{z}p(x,z|\theta )dz=\frac{1}{C}p(x|\theta )=1 \\ \Rightarrow q(z)=\frac{1}{p(x|\theta )}p(x,z|\theta )=p(z|x,\theta ) \end{gathered}$$
我们发现，这个过程就是上面的最大值取等号的条件。

广义 EM

EM 模型解决了概率生成模型的参数估计的问题，通过引入隐变量 $z$，来学习 $\theta$，具体的模型对 $z$ 有不同的假设。对学习任务 $p(x|\theta )$，就是学习任务 $\frac{p(x,z|\theta )}{p(z|x,\theta )}$。在这个式子中，我们假定了在 E 步骤中，$q(z)=p(z|x,\theta )$，但是这个$p(z|x,\theta )$ 如果无法求解，那么必须使用采样（MCMC）或者变分推断等方法来近似推断这个后验。我们观察 KL 散度的表达式，为了最大化 ELBO，在固定的 $\theta$ 时，我们需要最小化 KL 散度，于是：
$$\hat{q}(z)={\mathrm{argmin}}_{q}KL(p,q)={\mathrm{argmax}}_{q}ELBO$$
这就是广义 EM 的基本思路：

1. E step：
   $${\hat{q}}^{t+1}(z)={\mathrm{argmax}}_q{\int }_z{q}^t(z)\log \frac{p(x,z|\theta )}{q^t(z)}dz,fixed\theta$$

2. M step：
   $$\hat{\theta }={\mathrm{argmax}}_{\theta }{\int }_z{q}^{t+1}(z)\log \frac{p(x,z|\theta )}{q^{t+1}(z)}dz,fixed\hat{q}$$

对于上面的积分：
$$ELBO={\int }_{z}q(z)\log \frac{p(x,z|\theta )}{q(z)}dz={\mathbb{E}}_{q(z)}[p(x,z|\theta )]+Entropy(q(z))$$
因此，我们看到，广义 EM 相当于在原来的式子中加入熵这一项。

EM 的推广

EM 算法类似于坐标上升法，固定部分坐标，优化其他坐标，再一遍一遍的迭代。如果在 EM 框架中，无法求解 $z$ 后验概率，那么需要采用一些变种的 EM 来估算这个后验。

1. 基于平均场的变分推断，VBEM/VEM
2. 基于蒙特卡洛的EM，MCEM