אלגוריתם ה-EM
אלגוריתם הציפייה-מקסימיזציה (EM) הוא הליך אופטימיזציה איטרטיבי למציאת אומדני נראות מקסימלית (maximum likelihood) או אומדני פוסטריורית מקסימלית (maximum a posteriori) של פרמטרים במודלים סטטיסטיים עם משתנים חבויים (latent variables) או נתונים חסרים. האלגוריתם, שהוצג על ידי Dempster, Laird, ו-Rubin במאמרם פורץ הדרך משנת 1977, מבצע לסירוגין חישוב של הלוג-נראות הצפויה של הנתונים השלמים (שלב ה-E - Expectation) ומציאתו ביחס לפרמטרים (שלב ה-M - Maximization), תוך הבטחת עליה מונוטונית לא-יורדת של הנראות בכל איטרציה.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 2). Expectation-Maximization Algorithm. ScholarGate. https://scholargate.app/he/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.
- אמידת נראות מרביתסטטיסטיקה↔ compare
- MICEסטטיסטיקה↔ compare