EM 算法

1. 如果概率模型的变量都是观测变量，则给定数据之后，可以直接用极大似然估计法或者贝叶斯估计法来估计模型参数。

   但是当模型含有隐变量时，就不能简单的使用这些估计方法。此时需要使用EM 算法。

   • EM 算法是一种迭代算法。
   • EM 算法专门用于含有隐变量的概率模型参数的极大似然估计，或者极大后验概率估计。

2. EM算法的每次迭代由两步组成：

   • E步求期望。
   • M步求极大。

   所以EM算法也称为期望极大算法。