展开全部
在统计计算中，最大期望值（EM）算法是用于基于隐藏随机模型的不可观察变量（LatentVariable）来找到估计的最大似然参数或后验估计的最大值的算法。）
在机器学习和计算机视觉的数据分组（数据聚类）领域，经常使用最大的期望。
最大期望值的算法交替计算两步。第一步是计算预期值（E），隐藏变量的现有估计值用于计算其最大似然估计值。最大值使用步骤E中找到的最大概率值计算参数值。
在步骤M中找到的参数的估计值用于随后的步骤E的计算中。
一般来说，EM算法流程如下：
初始化分发参数2。
重复直到收敛。步骤E：估计未知参数的预期值并获得当前参数的估计值。
步骤M：重新分配分布参数以最大化数据获得未知变量的期望估计的概率。