Algorytm Expectation-Maximization (EM) to iteracyjna metoda statystyczna stosowana do wyznaczania estymatorów największej wiarygodności w modelach ze zmiennymi utajonymi lub brakującymi danymi. Składa się z dwóch naprzemiennych etapów: kroku oczekiwania (E-step), w którym oblicza się oczekiwaną wartość funkcji log-wiarygodności, oraz kroku maksymalizacji (M-step), w którym aktualizuje się parametry w celu jej zmaksymalizowania. Proces ten powtarza się wielokrotnie aż do momentu osiągnięcia zbieżności wyników. Metoda ta znajduje szerokie zastosowanie w uczeniu maszynowym, między innymi w klasteryzacji i estymacji parametrów modeli mieszanek gaussowskich (GMM).
Expectation-Maximization algorithm (EM)
