Алгоритм EM
Алгоритм очікування-максимізації (EM) — це ітеративна процедура оптимізації для знаходження оцінок максимальної правдоподібності або максимальної апостеріорної правдоподібності параметрів у статистичних моделях з прихованими змінними або відсутніми даними. Запропонований Демпстером, Лейрдом та Рубіном у їхній знаковій праці 1977 року, EM чергує обчислення очікуваної логарифмічної правдоподібності повних даних (E-крок) та максимізацію її відносно параметрів (M-крок), гарантуючи монотонне незменшення правдоподібності на кожній ітерації.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 2). Expectation-Maximization Algorithm. ScholarGate. https://scholargate.app/uk/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.
- Максимальна правдоподібна оцінкаСтатистика↔ compare
- MICEСтатистика↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →