EM算法是一种迭代算法,全称为期望极大算法(expectation maximization algorithm),用于含有隐变量(hidden variable)的概率模型参数的极大似然估计,或极大后验概率估计. 一.EM算法的原理 EM算法 输入:观测变量数据Y,隐变量数据Z,联合分布P(Y,Z|θ),条件分布P(Z|Y,θ): 输出:模型参数θ (1)选择参数的初值θ0,开始迭代: (2)E步:记θi为第i次迭代参数θ的估计值,在第i+1次迭代的E步,计算 这里,P(Z|Y,θi)是在给定