Ο αλγόριθμος Αναμενόμενης-Μέγιστης Τιμής (EM)
Ο αλγόριθμος Αναμενόμενης-Μέγιστης Τιμής (EM) είναι μια επαναληπτική διαδικασία βελτιστοποίησης για την εύρεση εκτιμήσεων μέγιστης πιθανοφάνειας ή μέγιστης εκ των υστέρων πιθανότητας παραμέτρων σε στατιστικά μοντέλα με λανθάνουσες μεταβλητές ή ελλιπή δεδομένα. Παρουσιάστηκε από τους Dempster, Laird και Rubin στην εμβληματική τους εργασία του 1977, ο EM εναλλάσσει μεταξύ του υπολογισμού της αναμενόμενης λογαριθμικής πιθανοφάνειας πλήρων δεδομένων (βήμα Ε) και της μεγιστοποίησής της ως προς τις παραμέτρους (βήμα Μ), εγγυώμενος μονότονη μη φθίνουσα πιθανοφάνεια σε κάθε επανάληψη.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 2). Expectation-Maximization Algorithm. ScholarGate. https://scholargate.app/el/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.
- Μέγιστη Εκτίμηση ΠιθανοφάνειαςΣτατιστική↔ compare
- MICEΣτατιστική↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →