最大期望演算法（expectation maximization algorithm，又譯期望最大化演算法），是一種迭代演算法。在
概率（probabilistic）模型中尋找引數
最大似然估計
或者最大後驗估計的演算法，其中
概率模型
依賴於無法觀測的隱藏變數（latent variable）。
最大期望經常用在
機器學習
和計算機視覺
的資料聚類
（data clustering
）領域。
em演算法思想：假設我們估計知道a和b兩個引數，在開始狀態下二者都是未知的，並且知道了a的資訊就可以得到b的資訊，反過來知道了b也就得到了a。可以考慮首先賦予a某種初值，以此得到b的估計值，然後從b的當前值出發，重新估計a的取值，這個過程一直持續到收斂為止。
最大似然估計，概率論中引數估計的方法之一。已知某個隨機樣本滿足某種概率分布，但是其中具體的引數不清楚，引數估計就是通過若干次試驗，觀察其結果，利用結果推出引數的大概值，把這個引數作為估計的真實值。
最大期望演算法經過兩個步驟交替進行計算：
第一步是計算期望（e），利用對隱藏變數的現有估計值，計算其最大
似然估計值；
第二步是最大化（m），最大化在 e 步上求得的最大似然值來
計算引數的值。
總體來說，em的演算法流程如下：
初始化分布引數
重複直到收斂：
e步驟：估計未知引數的期望值，給出當前的引數估計。
m步驟：重新估計分布引數，以使得資料的似然性最大，給出未知變數的期望估計。
資料探勘十大經典演算法 5 最大期望 EM 演算法
在統計計算中，最大期望 em，expectation maximization 演算法是在概率 probabilistic 模型中尋找引數最大似然估計的演算法，其中概率模型依賴於無法觀測的隱藏變數 latent variabl 最大期望經常用在機器學習和計算機視覺的資料集聚 data cluster...
資料探勘十大經典演算法 5 最大期望 EM 演算法
資料探勘十大經典演算法 5 最大期望 em 演算法 在統計計算中，最大期望 em，expectation maximization 演算法是在概率 probabilistic 模型中尋找引數最大似然估計的演算法，其中概率模型依賴於無法觀測的隱藏變數 latent variabl 最大期望經常用在機器...
資料探勘十大經典演算法
最近想看看資料探勘是個什麼東西，因此特別的關注了下，首先看看資料探勘包含哪些演算法，網上找到了十大經典演算法 01.c4.5 是機器學習演算法中的一種分類決策樹演算法，其核心演算法是 id3演算法 02.k means演算法 是一種聚類演算法。03.svm 一種 監督式學習 的方法，廣泛運用於統計分...