Mixtures of Gaussian
这一讲，我们讨论利用EM (Expectation-Maximization)做概率密度的估计。假设我们有一组训练样本x(1),x(2),...x(m),因为是unsupervised的学习问题，所以我们没有任何y的信息。
我们希望利用一个联合分布p(x(i),z(i))=p(x(i)|z(i))p(z(i))来拟合这些数据, 其中z(i)∼Multinomial(ϕ) (ϕj⩾0, ∑kj=1ϕj=1,参数ϕj给出了概率p(z(i)=j))，并且 x(i)|z(i)=j∼N(μj,Σj)，我们让k表示z(i)可能值的个数，因此在这个模型中，每一个训练样本x(i)是由随机取某一个值的变量z(i)生成的，所以x(i)是从k个的高斯分布中的一个(由z(i)指示)提取出来的。这个称为高斯混合模型，我们也要注意到z(i)是隐含的随机变量，高斯混合模型涉及的参数是ϕ,μ,Σ，为了估计这些变量，我们可以建立如下的表达式：
l(ϕ,μ,Σ)=∑i=1mlogp(x(i);ϕ,μ,Σ)=∑i=1mlog∑z(i)=1kp(x(i)|z(i);μ,Σ)p(z(i),ϕ)
我们发现，通过求偏导数求极值的方法，无法得到这些参数的解，从上面的表达式可以看出，随机变量z(i)告诉了我们x(i)是从k个高斯分布中的其中一个生成的，如果我们知道是哪一个高斯分布，或者说如果知道z(i)的值，那我们可以利用最大似然估计的方法估计参数
ϕ,μ,Σ，如果z(i)已知，那么上式可以写成：
l(ϕ,μ,Σ)=∑i=1mlogp(x(i)|z(i);μ,Σ)+logp(z(i),ϕ)
利用最大似然估计，可以求得这些参数为：
ϕjμjΣj=1m∑i=1m1{z(i)=j}=∑mi=11{z(i)=j}x(i)∑mi=11{z(i)=j}=∑mi=11{z(i)=j}(x(i)−μj)(x(i)−μj)T∑mi=11{z(i)=j}
从上面的表达式可以看出，如果
z(i)的值已知，那么参数
ϕ,μ,Σ的估计与之前介绍的Gaussian discriminant analysis 模型对参数的估计是一样的，这里的
z(i)就像Gaussian discriminant analysis 模型中的输出y一样。
但是遗憾的是，我们不知道z(i)的值，所以这里我们要介绍另外一种unsupervised的学习方法，称为EM算法，EM算法主要分为两步，在E-step，我们主要对z(i)的值做猜测，在M-step，我们在E-step假设的基础上，利用最大似然估计求参数ϕ,μ,Σ，算法主要流程如下：
Repeat until convergence {
E-step： 对于每一个i,j,设置：
w(i)j:=p(z(i)=j|x(i);ϕ,μ,Σ)
M-step： 跟新如下参数：
ϕj:=1m∑i=1mw(i)j
μj:=∑mi=1w(i)jx(i)∑mi=1w(i)j
Σj:=∑mi=1w(i)j(x(i)−μj)(x(i)−μj)T∑mi=1w(i)j
}
在E-step，我们可以通过给定的x(i)和当前估计的参数计算z(i)的后验概率，利用贝叶斯估计，我们可以得到：
p(z(i)=j|x(i);ϕ,μ,Σ)=p(x(i)|z(i)=j;μ,Σ)p(z(i)=j,ϕ)∑kl=1p(x(i)|z(i)=l;μ,Σ)p(z(i)=l,ϕ)
这里，p(x(i)|z(i)=j;μ,Σ)通过计算一个均值为μj，协方差为Σj的高斯分布在x(i)处的概率密度得到，p(z(i)=j,ϕ)
是由ϕj给出，在E-step计算的w(i)j的值，表示我们对z(i)的一种弱估计。
同样，我们也可以将M-step的参数跟新与知道z(i)确切值的参数估计的表达式进行对比，可以看出两者是一致的，只不过前面的表达式1{z(i)=j}指出了我们利用哪个高斯分布，而现在换成了w(i)j。
EM 算法同样会让人联想起k均值算法，k均值是硬聚类，将样本聚到某一类里，而EM算法是弱聚类，样本所属的高斯分布由w(i)j估计。
参考来源：
Andrew Ng, “Machine Learning”, Stanford University.
