EM(Expectation Maximum)的应用:
EM算法有很多的应用,最广泛的就是GMM混合高斯模型、聚类(典型的KMeans算法的过程就属于EM算法)、HMM等等。
EM的核心工作就是隐变量的估计。
EM算法是怎么操作的:
首先,初始化参数θ
(1)E-Step:根据参数θ计算每个样本属于zi的概率,即这个身高来自四川或东北的概率,这个概率就是Q
(2)M-Step:根据计算得到的Q,求出含有θ的似然函数的下界并最大化它,得到新的参数θ
重复(1)和(2)直到收敛,可以看到,从思想上来说,和最开始没什么两样,只不过直接最大化似然函数不好做,曲线救国而已。
EM算法在一般情况是收敛的,但是不保证收敛到全局最优,即有可能进入局部的最优。EM算法在混合高斯模型,隐马尔科夫模型中都有应用