Machine learningEstimation
EM 알고리즘
기대-최대화(EM) 알고리즘은 잠재 변수나 결측치를 포함하는 통계 모델에서 모수의 최대우도 또는 최대사후확률 추정치를 찾는 반복 최적화 절차입니다. Dempster, Laird, Rubin이 1977년의 기념비적인 논문에서 소개한 EM은 완전 데이터 로그우도 함수의 기댓값(E-단계)을 계산하고 이를 모수에 대해 최대화(M-단계)하는 것을 번갈아 수행하며, 각 반복마다 우도가 단조적으로 비감소함을 보장합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 2). Expectation-Maximization Algorithm. ScholarGate. https://scholargate.app/ko/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 →