EM算法是一种迭代算法，用于含有隐变量的概率模型参数的极大似然估计，或极大后验概率估计。EM算法的每次迭代分两步：E步，求期望（Expectation）；M步，求极大（Maximization）。
EM算法
这里也直接给出书上的例子，让还不了解的读者先上车...哦错了，先感受。不过这里阐述会简单些。
（三硬币模型）假设有A,B,C三枚硬币，正面出现的概率分别为π,p,q。一次试验为：先抛A，如果出现正面则选择B，否则选择C，然后再抛选出的硬币，记录抛此枚硬币的结果，正面向上为1，反面向上为0。独立重复试验10次，观测结果为：
1,1,0,1,0,0,1,0,1,1
只能观测到上面这个结果，不能观测选择的是B还是C。设随机变量y表示观测变量，表示一次试验的观测结果为1或者0，随机变量z是隐变量表示抛A的结果，或者说选择的是B还是C，θ=(π,p,q)是模型参数，于是一次试验中观测结果为y的概率为
(1)
右端第一项对应z=1，第二项对应z=0
假设观测数据为Y=(Y1,Y2,...,Yn)，不可观测数据为Z=(Z1,Z2,...Zn)，则观测数据的似然函数为
(2)
由于是独立重复试验（n次），则
(3)
模型参数θ=(π,p,q)的极大似然估计
(4)
然而上式没有解析解，只能通过迭代的方法求数值解，比如这里的EM算法。
算法
选取模型参数θ=(π,p,q)的初值，记作
θ0=(π0,p0,q0)
然后通过某种迭代更新参数，直至算法收敛。
第i次迭代参数的估计值记作
θi=(πi,pi,qi)
第i+1次迭代方式如下，
E步：计算观测数据yj来自硬币B（z=1）的概率
(5)
其中，分母为出现yj观测结果的概率（来自硬币B和来自硬币C的概率之和），分子是yj观测结果来自硬币B的概率。
顺便一提，yj来自硬币C的概率自然就是1-μi+1(yj)
M步：计算模型参数新估计值
(6)
(7)
(8)
其实，A出现正面的概率π就是观测数据来自硬币B的概率，(6)是取了样本平均。(7)式中分母其实等于 nπi+1，此即n次试验中选择硬币B的次数，而分子则是n次试验中选择硬币B并且抛掷B出现正面的次数，从而得到硬币B的正面出现概率。类似的(8)则是计算硬币C出现正面的概率。yj表示第j次试验中的观测结果（为1或者0）。
于是，我们假设参数初值为
π0=0.5,p0=0.5,q0=0.5
按照上述步骤进行迭代计算，直至收敛（每个参数均不再变化，或者每个参数的变化分别低于一个设定的阈值或者||θi+1-θi||小于一个设定的阈值），这里省去具体过程，得到结果为
θ=(0.5,0.6,0.6)
如果初值为
π0=0.4,p0=0.6,q0=0.7
迭代结果为
θ=(0.4064,0.5368,0.6432)
可见，不同的初值会导致不同的迭代结果。
假设观测数据Y，概率分布为P(Y|θ)，其中θ为需要估计的模型参数，则，不完全数据Y的似然函数为P(Y|θ)，对数似然函数为logP(Y|θ)。假设Y和隐随机变量Z的联合概率分布为P(Y,Z|θ)，那么完全数据的对数似然函数为logP(Y,Z|θ)。EM算法通过迭代求L(θ)=logP(Y|θ)的极大似然估计。
Q函数
Q函数为完全数据的对数似然函数logP(Y,Z|θ)关于在给定观测数据Y和当前参数θi下对未观测数据Z的条件概率分布P(Z|Y,θi)的期望，即
(9)
上面这个定义可能说的不是很明白，这里稍微解释一下。我们知道Y和θi是已知的，令L(Z)=logP(Y,Z|θ)，所以Q函数就是L(Z)在Y和θi下的条件期望，
(10)
其中，P(Z|Y,θi)为已知Y和θi下的Z的条件概率，P(Y,Z|θ)为观测数据Y和隐数据Z的联合概率分布，根据(2)式，不难知道，
P(Y,Z|θ)=P(Z|θ)P(Y|Z,θ) (11)
而我们的目标就是logP(Y,Z|θ)（也就是L(Z)）的极大似然估计，所以对logP(Y,Z|θ)的条件期望求极大值
(12)
(11)式所对应的θ就是下一次迭代的θ的估计
(13)
步骤
输入：观测变量数据Y，隐变量数据Z，联合分布P(Y,Z|θ)，条件分布 P(Z|Y,θ)
输出：模型参数θ
- 选择初始值θ0=(π0,p0,q0)
- E步：记θi为第i次迭代参数的估计值，在第i+1次迭代时，计算(10)式
- M步：根据(13)式计算第i+1次迭代参数的估计值
- 重复步骤2和3，直到收敛
几点说明
- 参数的初值虽然可以任意选择，但不同的初值会影响最终的迭代结果
- M步求Q函数的极大值，可能是局部极值（也不难理解，如果是全局极大值，那最终迭代结果就与初值的选择无关了）
- 停止迭代的条件一般使用||θi+1-θi||<ε 或者||Q(θi+1, θi)-Q(θi,θi)||<ε, 其中 ε 是某个阈值
ref
统计学习方法，李航