AI-统计学习（17）-EM算法

    EM算法是什么的？真实应用中，很多情况都是不完全数据，或者缺失数据，但我们还是想知道它的概率分布。正常情况下，我们用最大似然估计或者贝叶斯进行概率预测，实现监督学习，而这算法就是针对非监督的概率分布预测的。初始值不同时会存在局部最优的情况。

 

1.用于什么场景？不完全数据，缺失数据的情况下。

2.E是什么？期望，隐变量的期望。

3.M是什么？MAX最大化。

4.流程是什么？收敛条件

---

1. 用于什么场景？不完全数据，缺失数据的情况下。

1.1完全数据（Z,Y）有观测值，有概率值

1.2不完全数据（，y）只有观测值，概率值有可能有有可能没有

1. E是什么？

期望，隐变量的期望。

1. M是什么？MAX最大化。

1. 收敛条件：

总结：1.极大化 观测数据的极大似然函数变为

        。。。   完全数据。。。。。。。。。。

       观测数据=(完全数据+隐变量)

给定条件下，期望值代替每一个Zi  这就是E

2.输入，输出。

4.流程是什么？