Machine learningEstimation

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.

Приложете с StatMindСкороВидеоСкороDownload slides

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Method map

The neighbourhood of related methods — select a node to explore.

Източници

  1. 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.

Compare side by side

Цитиран в

ScholarGateEM Algorithm (Expectation-Maximization Algorithm). Извлечено на 2026-06-15 от https://scholargate.app/bg/statistics/em-algorithm · Набор от данни: https://doi.org/10.5281/zenodo.20539026