怎样才能通俗易懂地解释 EM 算法？

Question

求通俗易懂的 EM 算法理解，有个模型例子来解释，我解释两遍了妹子还不是很懂的样子……急，在线等

Answer 1

最大期望算法经过两个步骤交替进行计算：
第一步是计算期望（E），利用对隐藏变量的现有估计值，计算其最大似然估计值；
第二步是最大化（M），最大化在 E 步上求得的最大似然值来计算参数的值。
M 步上找到的参数估计值被用于下一个 E 步计算中，这个过程不断交替进行。
总体来说，EM的算法流程如下：
1.初始化分布参数
2.重复直到收敛：
E步骤：估计未知参数的期望值，给出当前的参数估计。
M步骤：重新估计分布参数，以使得数据的似然性最大，给出未知变量的期望估计。
至于例子解释什么的，最俗的解释：食堂的大师傅炒了一份菜，要等分成两份给两个人吃，显然没有必要拿来天平一点一点的精确的去称分量，最简单的办法是先随意的把菜分到两个碗中，然后观察是否一样多，把比较多的那一份取出一点放到另一个碗中，这个过程一直迭代地执行下去，直到大家看不出两个碗所容纳的菜有什么分量上的不同为止。就是最大期望算法。

Answer 2

我觉得楼上说得不错了，然后建议先说一下最大似然估计，然后再讲 EM，方便比较和区分。

Answer 3

https://blog.csdn.net/ran_Max...