EM算法及其應用（一）

EM算法是期望最大化 (Expectation Maximization) 算法的簡稱，用於含有隱變量的情況下，概率模型參數的極大似然估計或極大後驗估計。EM算法是一種迭代算法，每次迭代由兩步組成：E步，求期望 (expectation)，即利用當前估計的參數值來計算對數似然函數的期望值；M步，求極大 (maximization)，即求參數\(\theta\) 來極大化E步中的期望值，而求出的參數

>>阅读原文<<