Machine learningEstimation

Thuật toán EM

Thuật toán Kỳ vọng-Tối đa hóa (EM) là một quy trình tối ưu hóa lặp để tìm ước lượng hợp lý tối đa hoặc hậu nghiệm tối đa của các tham số trong các mô hình thống kê có biến tiềm ẩn hoặc dữ liệu bị thiếu. Được giới thiệu bởi Dempster, Laird và Rubin trong bài báo mang tính bước ngoặt năm 1977 của họ, EM luân phiên giữa việc tính toán kỳ vọng của log-hợp lý dữ liệu hoàn chỉnh (bước E) và tối đa hóa nó theo các tham số (bước M), đảm bảo tính hợp lý tăng dần không giảm ở mỗi vòng lặp.

Áp dụng với StatMindSắp ra mắtVideoSắp ra mắtDownload slides

Đọc toàn bộ phương pháp

Chỉ dành cho thành viên

Đăng nhập bằng tài khoản miễn phí để đọc phần này.

Đăng nhập

Method map

The neighbourhood of related methods — select a node to explore.

Nguồn tài liệu

  1. 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

Cách trích dẫn trang này

ScholarGate. (2026, June 2). Expectation-Maximization Algorithm. ScholarGate. https://scholargate.app/vi/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

Được tham chiếu bởi

ScholarGateEM Algorithm (Expectation-Maximization Algorithm). Truy cập ngày 2026-06-15 từ https://scholargate.app/vi/statistics/em-algorithm · Bộ dữ liệu: https://doi.org/10.5281/zenodo.20539026