在统计计算中，最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（LatentVariable） 。最大期望经常用在机器学习和计算机视觉的数据聚类（DataClustering）领域 。
【em算法原理】最大期望算法经过两个步骤交替进行计算 。
第一步是计算期望（E），利用对隐藏变量的现有估计值 ， 计算其最大似然估计值 。
第二步是最大化（M），最大化在E步上求得的最大似然值来计算参数的值 。
M步上找到的参数估计值被用于下一个E步计算中，这个过程不断交替进行 。

• 暗示心里已正在吃醋的句子文案
• ppt怎样设置文字发光效果
• 求饮水机聪明座原理
• 固体溶解在液体中的特征
• 本溪寺庙在那里
• 宝可梦剑盾超梦在哪
• 在家怎么烤红薯啊
• 江苏学信学院
• 在农村养殖什么回本快
• 平板qq邮箱在哪个地方