Алгоритъмът на очакването-максимизация (EM)
Алгоритъмът на очакването-максимизация (EM) е итеративна процедура за оптимизация за намиране на оценки на максималната правдоподобност или максималната апостериорна вероятност на параметри в статистически модели с латентни променливи или липсващи данни. Въведен от Dempster, Laird и Rubin в тяхната основополагаща статия от 1977 г., EM редува изчисляването на очакваната логаритмична правдоподобност на пълните данни (E-стъпка) и максимизирането ѝ спрямо параметрите (M-стъпка), гарантирайки монотонно не-намаляваща правдоподобност при всяка итерация.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Dempster, A. P., Laird, N. M., & Rubin, D. B. (1977). Maximum likelihood from incomplete data via the EM algorithm. Journal of the Royal Statistical Society: Series B, 39(1), 1–38. DOI: 10.1111/j.2517-6161.1977.tb01600.x ↗
Как да цитирате тази страница
ScholarGate. (2026, June 2). Expectation-Maximization Algorithm. ScholarGate. https://scholargate.app/bg/statistics/em-algorithm
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Оценка по максимално правдоподобиеСтатистика↔ compare
- MICEСтатистика↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →