这个现学现卖把，先把链接放上来：
目录：
机器学习常见面试问题汇总
问题汇总（1）：逻辑回归
问题汇总（2）：支持向量机
问题汇总（3）：树模型
问题汇总（4）：聚类
问题汇总（5）：神经网络
问题汇总（6）：EM算法
问题汇总（7）：朴素贝叶斯
EM 算法简介
如何感性理解EM算法（这篇没啥公式，给出一个EM的概念）
EM算法（举例说明：学生身高问题）
EM算法原理总结（这篇公式写的比较清晰）
EM 算法和 K-means 和 GMM（高斯混合模型）
大家如果仔细回忆一下，会发现 EM 算法和 K-means 相似度很高：
- EM算法当中的 Expectation step 相当于K-means当中对每一个样本点
找到其属于的质心(即聚类中心)
。
- EM算法当中的 Maximization step 相当于K-means当中更新质心
而K-means 又有些像 GMM的简化：
