EM（Expectation-Maximization）算法的浅显理解

EM算法

E步；估计隐含变量
M步：估计其他参数
交替迭代以上两步，将似然函数的极值推向最大。

以下两篇博客写的比较好：
http://www.cnblogs.com/jerrylead/archive/2011/04/06/2006936.html

http://blog.csdn.net/zouxy09/article/details/8537620

补充：参数估计法里面的最大似然估计法的理解
执果索因。在里面有个理论就是，抽取一次样本，则抽到的这个样本发生的概率为最大。现在抽取N个样本，就认为这N个样本是在总体中发生概率最大的。把这些概率乘起来就是似然函数。假设我们知道这些样本是符合某个均值和方差的正态分布。现在要做的就是求得这个使得似然函数的值达到最大的均值和方差。求函数的极大值的方法，先求导，把导数置为0，就可以求得均值和方差的估计值。