Expectation-Maximization Algorithm

Stellen Sie sich vor, Sie versuchen, die Regeln eines Spiels zu lernen, indem Sie Spieler beobachten, deren Karten Sie nicht sehen können. In jeder Runde raten Sie, welche Karten sie wahrscheinlich halten, basierend auf dem, was Sie beobachten, und aktualisieren dann Ihr Modell der Regeln unter der Annahme, dass diese Vermutungen korrekt sind. EM macht genau das: Der E-Schritt füllt die fehlenden Informationen probabilistisch unter Verwendung aktueller Parameterschätzungen auf, und der M-Schritt passt das Modell neu an, als ob diese aufgefüllten Werte reale Beobachtungen wären.