Em算法

这种算法用于含有隐变量的概率参数模型的最大似然值估计或极大后验概率估计。

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。

本人不太明白的地方还是在实现上。比如斯坦福的机器学习，看了推导过程，但是仍然不知道怎样应用。