EM算法的基本原理和推导
参考：
从最大似然到EM算法浅解
EM算法的九层境界：Hinton和Jordan理解的EM算法
在EM算法的证明中，其实比较好理解，总结如下：
从最大似然估计出发 ====> 将隐变量暴露出来，写出累加/积分的 形式 ===> 引入Q(z),表示隐变量z的概率密度函数
==> 对于log函数，利用 Jensen不等式的变形： f(E(x) >= E(f(x))，得到最大似然函数的下界
===> 对于log函数的Jenson不等式而言，只有当 X的变量取常量时，则可以不等式才能取到等号;
则得到等式；
以上的过程如下：
具体的计算过程如下：
固定好了Q(z),再去调整参数 Θ ，使得下界最大，如下图所示：
收敛性的证明：见参考一或吴恩达的课程
--------------------
--------------------
