Erwartungsmaximierung

Größte ErwartungenEs handelt sich um einen Algorithmus zum Ermitteln von Maximum-Likelihood-Schätzungen und Maximum-a-posteriori-Schätzungen von Parametern in einem Wahrscheinlichkeitsmodell, das auf nicht beobachtbaren abhängigen Variablen basiert.

Der Maximum-Expectation-Algorithmus wird häufig im Bereich der Datenclusterung im maschinellen Lernen und in der Computervision verwendet. Die Berechnung erfolgt abwechselnd in zwei Schritten:

• Berechnen Sie den Erwartungswert E: Verwenden Sie die vorhandenen Schätzungen der verborgenen Variablen, um die Maximum-Likelihood-Schätzung zu berechnen.
• M maximieren: Berechnen Sie den Parameterwert basierend auf dem bei der Erwartungsberechnung erhaltenen maximalen Wahrscheinlichkeitswert und verwenden Sie ihn bei der nächsten Erwartungsberechnung. Der Vorgang wird abwechselnd wiederholt.