统计学习方法李航---第9章 EM算法及其推广

摘要：

第9章EM算法及其扩展EM算法是一种迭代算法，用于具有隐藏变量的概率模型参数的最大似然估计或最大后验估计。然而，应当注意，EM算法对初始值敏感。从图中可以推断，EM算法不能保证找到全局最优值。用于高斯混合模型参数估计的EM算法假设观测数据由高斯混合模型生成。1.清除隐藏变量。

第9章 EM算法及其推广

EM算法是一种迭代算法，用于含有隐变量(hidden variable)的概率模型参数的极大似然估计，或极大后验概率估计。EM算法的每次迭代由两步组成：E步，求期望(expectation)；M步，求极大( maximization )，所以这一算法称为期望极大算法(expectation maximizationalgorithm)，简称EM算法。

9.1 EM算法的引入

一般地，用Y表示观测随机变量的数据，Z表示隐随机变量的数据。Y和Z连在一起称为完全数据( complete-data )，观测数据Y又称为不完全数据(incomplete-data)。假设给定观测数据Y，其概率分布是P(Y | theta)，其中theta是需要估计的模型参数，那么不完全数据Y的似然函数是P(Y | theta)，对数似然函数L(theta)=logP(Y | theta)；假设Y和Z的联合概率分布是P(Y, Z }句，那么完全数据的对数似然函数是log P(Y, Z| theta)。

观测数据的似然函数为

EM算法通过迭代求L(theta)=logP(Y | theta)的极大似然估计。每次迭代包含两步E步，求期望；M步，求极大化。

定义9.1 ( Q函数)完全数据的对数似然函数log P(Y, Z| theta)关于在给定观测数据Y和当前参数theta⁽ⁱ⁾下对未观测数据Z的条件概率分布P(Z | Y,theta⁽ⁱ⁾)的期望称为Q函数，即

EM算法说明:

步骤(1)参数的初值可以任意选择。但需注意EM算法对初值是敏感的。

步骤(2) E步求Q(theta,theta⁽ⁱ⁾)。Q函数式中Z是未观测数据，Y是观测数据。注意，Q(theta,theta⁽ⁱ⁾)的第1个变量theta表示要极大化的参数，第2个变量theta⁽ⁱ⁾表示参数的当前估计值。每次迭代实际在求Q函数及其极大。

步骤(3) M步求Q(theta,theta⁽ⁱ⁾)的极大化，得到theta⁽ⁱ⁺¹⁾，完成一次迭代theta⁽ⁱ⁾-->theta⁽ⁱ⁺¹⁾。后面将证明每次迭代使似然函数增大或达到局部极值。

步骤(4)给出停止迭代的条件，一般是对较小的正数，若满足

则停止迭代.

EM算法的导出

通过近似求解观测数据的对数似然函数的极大化问题来导出EM算法，由此可以清楚地看出EM算法的作用。面对一个含有隐变量的概率模型，目标是极大化观测数据(不完全数据)Y关于参数theta

的对数似然函数，即极大化

这一极大化的主要困难是式中有未观测数据并有包含和(或积分)的对数。

EM算法是通过迭代逐步近似极大化L(theta)的。

每次迭代需要满足：新估计值theta能使L(theta)增加，并逐步达到极大值。i次迭代前后的差值为：

利用jensen不等式可以得出下界

为使L(theta)极大，选择theta^{(i+1)使B极大，可得，}

等价于EM算法的一次迭代，即求Q函数及其极大化。EM算法是通过不断求解下界的极大化逼近求解对数似然函数极大化的算法。

EM算法的直观解释：图中上方曲线为L(theta)，下方曲线为B(theta,theta⁽ⁱ⁾)，为对数似然函数L(theta)的下界，且在theta=theta⁽ⁱ⁾处相等。EM算法找到下一个点theta⁽ⁱ⁺¹⁾使函数B(theta,theta⁽ⁱ⁾)极大化，也使函数Q(theta,theta⁽ⁱ⁾)极大化。函数B的增加，保证对数似然函数L在每次迭代中也是增加的。EM算法在点theta⁽ⁱ⁺¹⁾重新计算Q函数值，进行下一次迭代。在这个过程中，对数似然函数L不断增大。从图可以推断出EM算法不能保证找到全局最优值。

EM算法在非监督学习中的应用

训练数据只有输入没有对应的输出(X,？)，从这样的数据学习模型称为非监督学习问题。EM算法可以用于生成模型的非监督学习，生成模型由联合概率分布P(X, Y)表示，可以认为非监督学习训练数据是联合概率分布产生的数据。X为观测数据，Y为未观测数据。

9.2 EM算法的收敛性

定理9.1设P(Y | theta)为观测数据的似然函数，theta⁽ⁱ⁾(i=1, 2,...)为EM算法得到的参数估计序列，P(Y |theta⁽ⁱ⁾)(i=1, 2,...))为对应的似然函数序列，则P(Y |theta⁽ⁱ⁾)是单调递增的，即

定理9.2

设P(Y | theta)为观测数据的似然函数，theta⁽ⁱ⁾(i=1, 2,...)为EM算法得到的参数估计序列，L(theta⁽ⁱ⁾)=P(Y |theta⁽ⁱ⁾)(i=1, 2,...))为对应的似然函数序列，

(1)如果P(Y | theta)有上界，则L(theta⁽ⁱ⁾)收敛到某一值L^*;

(2)在函数Q与L满足一定条件下，由EM算法得到的参数估计序列theta⁽ⁱ⁾的收敛值theta*是L(theta)的稳定点。

EM算法的收敛性包含关于对数似然函数序列L的收敛性和关于参数估计序列theta的收敛性两层意思，前者并不蕴涵后者。此外，定理只能保证参数估计序列收敛到对数似然函数序列的稳定点，不能保证收敛到极大值点。所以在应用中，初值的选择变得非常重要，常用的办法是选取几个不同的初值进行迭代，然后对得到的各个估计值加以比较，从中选择最好的。