Algoritmus EM
Algoritmus Očekávání-Maximalizace (EM) je iterační optimalizační procedura pro nalezení maximálně věrohodných nebo maximálně aposteriorních odhadů parametrů ve statistických modelech s latentními proměnnými nebo chybějícími daty. EM, představený Dempsterem, Lairem a Rubinem v jejich přelomovém článku z roku 1977, střídavě počítá očekávanou log-věrohodnost úplných dat (E-krok) a maximalizuje ji vzhledem k parametrům (M-krok), čímž zaručuje monotónně neklesající věrohodnost při každé iteraci.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 2). Expectation-Maximization Algorithm. ScholarGate. https://scholargate.app/cs/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.
- Odhad metodou maximální věrohodnostiStatistika↔ compare
- MICEStatistika↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →