Machine learningEstimation
EMアルゴリズム
期待値最大化（EM）アルゴリズムは、潜在変数または欠損データを持つ統計モデルにおいて、パラメータの最尤推定値または最大事後確率推定値を見つけるための反復最適化手順です。Dempster、Laird、Rubinが1977年の画期的な論文で導入したEMアルゴリズムは、完全データ対数尤度の期待値を計算する（Eステップ）ことと、その期待値をパラメータに関して最大化する（Mステップ）ことを交互に行い、各反復で単調非減少の尤度を保証します。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 2). Expectation-Maximization Algorithm. ScholarGate. https://scholargate.app/ja/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 →