CSDN这篇EM的文章写的不错，沉下心来读完，会收获很多，特此分享期望最大化 (EM)（原理详细说明与推导）。
从模型求解方法、Jensen不等式介绍导入。EM就借用了向下凸的凸函数的Jensen不等式。接着介绍了EM算法的定义：用于含有隐含变量的概率模型的参数MLE/MAP（最大后验估计）方法。以MLE为例，推导了E步，M步。
过程符号公式很多，动笔写了之后才有所理解。
另外，再补充一些关于EM的文章
含隐变量模型求解——EM算法 推导也很全面
但我更想看到“数据增强过程的EM“是怎么引入泊松潜变量的，希望明天可以搞懂。
