从数学角度看最大期望(EM)算法 I

【转载请注明出处】http://www.cnblogs.com/mashiqi

2014/11/18

更新。发现以前的公式(2)里有错误，现已改过来。由于这几天和Can讨论了EM算法，回头看我以前写的这篇博客的时候，就发现公式里面有一个错误(多了一个连加符号)，现在改正过来了。经过和Can的讨论，我又认真思考了EM算法，发现以前确实是没有弄懂这个算法的本质的。加油，以后学习知识不要只停留在表面上，要有insight！！！

 

2014/5/19 

本文公式编辑捉鸡，请知道怎么在博客园里高效编辑公式的朋友告诉我一下，感激不尽了！

以前其实写过一个关于最大期望算法的文档，但是由于那次教研室电脑硬盘出问题，当时又没有随时备份重要文件的习惯，所以就弄没了。今天又看到EM算法，于是今天又花了40分钟重新把这个算法的思路整理了一遍，这真的是在浪费生命啊。。。所以说，这也是对以下观点的一个有力的证据之一：写文档或写学习记录真的是一件很重要的事。

本文只是从数学的角度分析EM算法，并没有对算法所反映出来的关于数据的本质问题进行刻画，所以若想通过本文学习EM算法，应该是有所欠缺的，毕竟在某些领域数学并不是全部，只是工具。然而，在翻看大部分讲解EM算法的资料时，我都被极为不好理解的公式符号所吓倒，于是打算自己写一篇关于EM算法的，有关具体公式的博文——1是用来梳理自己的思路，给自己做个笔记，免得以后忘记了EM算法又要花上一两个小时来自己推公式理解；2是用来给具有和我有同样问题的朋友们，提供帮助。或许您也在知道了"EM算法是通过琴生不等式来不断优化似然函数的下界从而求得似然解"后对此算法的理论公式表示不解，那么本文或许能给你提供一下帮助。下面进入正题。

假设我们已知数据集${x_i}$的分布$p(x)$收到参数$\theta$的影响，然后我们要做以下似然估计：

       (1)

这里补充一句，为了养成较好的区别"频率学派"的"贝叶斯学派"的观点，我从一些教科书上学到，一般采取这种记法：

当将$\theta$看做未知且固定的参数时，统一使用符号"；"：$p(x;\theta)$

当将$\theta$看做具有先验分布的参数时，统一使用符号"|"：$p(x|\theta)$

回到(1)式，当这里还有一个隐变量时，我们通过如下迭代方法来求解(1)式：

1. 记$L(\theta ) = \sum\nolimits_i {\ln p({x_i};\theta )} $,于是我们有：

       (2)

1. (E步)记，${l_n}(\theta ) = \sum\nolimits_i { \left\{ \sum\nolimits_j {p({z_j}\left| {{x_i}} \right.;{\theta ^{(n)}})\ln \left[ { {\frac{{p({x_i},{z_j};\theta )}}{{p({x_i},{z_j};{\theta ^{(n)}})}}} } \right]} \right\}} $，我们得到：

      $$L(\theta ) \ge {l_n}(\theta ) + L({\theta ^{(n)}})$$   (3)

注意到${l_n}({\theta ^{(n)}}) = 0$,于是我们有：

   $$L({\theta ^{(n)}}) \ge {l_n}({\theta ^{(n)}}) + L({\theta ^{(n)}}) = L({\theta ^{(n)}})$$  (4)   

1. (M步)我们优化${l_n}(\theta )$：

    $${\theta ^{(n + 1)}} = \arg {\max _\theta }{l_n}(\theta )$$  (5)   

于是从(3)式我们得到：

$$\begin{array}{l}
L({\theta ^{(n + 1)}}) \ge {l_n}({\theta ^{(n + 1)}}) + L({\theta ^{(n)}}) \ge {l_n}({\theta ^{(n)}}) + L({\theta ^{(n)}})\\
{\kern 42pt} = L({\theta ^{(n)}})
\end{array}$$

 

 

通过上面的步骤，我们可以得到序列$\{ {\theta _n}\} $使得使得似然函数一步步变大：$L({\theta ^{(1)}}) \le  \cdots  \le L({\theta ^{(n)}}) \le L({\theta ^{(n + 1)}}) \le  \cdots $。至于序列$ {\theta _n} $是否收敛于${\theta ^*}$，我还没有学习到 :)

 

在(2)式的第二行，凭空增加的$p({z_j}\left| {{x_i}} \right.;{\theta ^{(n)}})$是为了后面能配出一个$L({\theta ^{(n)}})$来。若不明白，我们可以先假设增加一项未知的$q({z_j};{\theta ^{(n)}})$，为了用到琴生不等式，我们要求$\sum\nolimits_j {q({z_j};{\theta ^{(n)}})}  = 1$于是我们得到：

     

显然，若取$q({z_j};{\theta ^{(n)}}) = p({z_j}\left| {{x_i}} \right.;{\theta ^{(n)}})$，则我们能得到：