EM

概述

EM算法迭代地通过E步和M步求解含隐变量的模型的参数，可以使用极大似然估计法，也可以使用贝叶斯估计法。

术语

三硬币模型：假设有3枚硬币A,B,C,正面出现的概率分别为a,b,c.进行如下抛硬币试验：先掷硬币A，根据其结果选出硬币B或C，正面选A，反面选B；然后抛掷选出的硬币，记录掷硬币的结果，正面为1，反面为0。独立重复n次试验。

观测变量：概率模型中可以观测到的随机变量。比如朴素贝叶斯模型中的输入X(待分类文本等)，上面例子中的最后掷硬币的结果.常用Y表示观测变量的数据

隐变量(潜在变量)：概率模型中观测不到的随机变量，比如上面例子中的掷硬币A的结果，常用Z表示隐变量的数据

完全数据：Y和Z连在一起称为完全数据

不完全数据：只有Y

EM算法

预备知识

Jensen不等式：

若f(x)是凸函数，有

$tf(x_1) +(1-t)f(x_2) \geq f\left (tx_1+(1-t)x_2 \right)$

直觉理解就是凸函数任意两点的割线位于函数图形上方

若对于任意点集 $\{x_i\}$ ,若 $\lambda_i \geq 0$ 且 $\sum_{i}\lambda_i = 1$ ，有

$\sum_i \lambda_i f(x_i)\geq f(\sum_i \lambda_ix_i)$

推导

我们面对一个含有隐变量的概率模型，目标是极大化观测数据(不完全数据)Y关于参数 $\theta$ 的对数似然函数，即极大化

$L(\theta)=\log P(Y|\theta)=\log \sum_{Z}P(Y,Z|\theta)=\log \left (\sum_{Z}P(Y|Z,\theta)P(Z|\theta) \right )$

由于优化函数中含未观测数据并包含和的对数，所以直接优化很难。

考虑迭代优化 $L(\theta)$ ，假设在第i次迭代后 $\theta$ 的估计值为 $\theta_i$ ,我们希望下次迭代新的估计值能够使 $L(\theta) \gt L(\theta_i)$ ,一直迭代直到得到 $L(\theta)$ 极大值。考虑两者的差

$\begin{align*}L(\theta)-L(\theta_i)&=\log \left (\sum_{Z}P(Y|Z,\theta)P(Z|\theta) \right )-\log P(Y|\theta_i) \\&=\log \left (\sum_{Z}P(Z|Y,\theta_i)\frac{P(Y|Z,\theta)P(Z|\theta)}{P(Z|Y,\theta_i)} \right ) -\log P(Y|\theta_i) \\&\geq\sum_ZP(Z|Y,\theta_i)\log \frac{P(Y|Z,\theta)P(Z|\theta)}{P(Z|Y,\theta_i)} -\log P(Y|\theta_i) \ \ \ \ \ \ 利用jensen不等式\\&=\sum_ZP(Z|Y,\theta_i)\log \frac{P(Y|Z,\theta)P(Z|\theta)}{P(Z|Y,\theta_i)} - \log P(Y|\theta_i)\sum_ZP(Z|Y,\theta_i) \\&=\sum_ZP(Z|Y,\theta_i)\log \frac{P(Y|Z,\theta)P(Z|\theta)}{P(Z|Y,\theta_i)P(Y|\theta_i)}\end{align*}$

令 $B(\theta, \theta_i)=L(\theta_i)+\sum_ZP(Z|Y,\theta_i)\log \frac{P(Y|Z,\theta)P(Z|\theta)}{P(Z|Y,\theta_i)P(Y|\theta_i)}$ ,

则 $L(\theta) \geq B(\theta, \theta_i)$ ,即函数 $B(\theta, \theta_i)$ 是函数 $L(\theta)$ 的一个下界【不同迭代B函数不同，随着迭代的增加B函数越接近L】，因此任何可以使 $B(\theta, \theta_i)$ 增大的 $\theta$ 也可以使 $L(\theta)$ 增大。为了使 $L(\theta)$ 有尽可能大的增长，选择 $\theta$ 使 $B(\theta, \theta_i)$ 达到极大，即

$\begin {align*}\theta_i&=\arg \max_{\theta}B(\theta, \theta_i)\\&=\arg \max_{\theta}\left \{L(\theta_i)+\sum_ZP(Z|Y,\theta_i)\log \frac{P(Y|Z,\theta)P(Z|\theta)}{P(Z|Y,\theta_i)P(Y|\theta_i)} \right \} \\&=\arg \max_{\theta}\left \{\sum_ZP(Z|Y,\theta_i)\log \left(P(Y|Z,\theta)P(Z|\theta)\right) \right \} \\&=\arg \max_{\theta}\left \{\sum_ZP(Z|Y,\theta_i)\log P(Y,Z|\theta) \right \}\end{align*}$

上式中最优化的函数称为Q函数，不断迭代这个过程直到收敛就得到了使似然函数近似极大的参数。

正式定义

EM算法通过迭代最大化似然函数，每次迭代分为两步：E步，求期望；M步，求极大化。具体过程如下：

选择参数初值，开始迭代；

E步：计算Q函数

$\begin {align*}Q(\theta, \theta_i)&=E_Z[\log P(Y,Z|\theta)|Y,\theta_i] \\&= \sum_Z P(Z|Y,\theta_i) \log P(Y,Z|\theta)\end {align*}$

M步：求使Q函数极大化的 $\theta$ ,确定i+1次迭代的参数估计值 $\theta_{i+1}$ :

$\theta_{i+1}=\arg \max_\theta Q(\theta, \theta_i)$

迭代至收敛。

说明

EM算法可以任意初始化参数初值，但是对初值敏感，实践中经常取多个不同的初始值并进行比较，选择较好的初始值。

当参数值的变化或Q函数的变化小于某个阈值时，停止迭代。

EM算法无法保证得到全局最优值，这也是选取多个初始值比较的根本原因

上面Q函数是对于单次试验的期望,对于多次试验可以求多次试验的期望和作为Q函数（使用求积表示似然函数）

解决三硬币问题

假设三硬币模型最后观察到的结果是1101001011，求abc。

令Z为抛掷硬币A的结果，Y为最后的观察结果。对一次实验，有

$\begin {align*}P(Y=y)&=\sum_Z P(Y,Z)=P(Y|Z=1)P(Z=1)+P(Y|Z=0)P(Z=0) \\&=ab^y(1-b)^{1-y}+(1-a)c^y(1-c)^{1-y}\end {align*}$

计算Q函数

$\begin {align*}Q(\theta, \theta_i)&=\sum_Z P(Z|Y,\theta_i) \log P(Y,Z|\theta) \\&=\sum_Z \frac{P(Y,Z|\theta_i)}{P(Y|\theta_i)} \log P(Y,Z|\theta) \\&=\frac{a_ib_i^y(1-b_i)^{1-y}}{a_ib_i^y(1-b_i)^{1-y}+(1-a_i)c_i^y(1-c_i)^{1-y}} \log {ab^y(1-b)^{1-y}} + \frac{(1-a_i)c_i^y(1-c_i)^{1-y}}{a_ib_i^y(1-b_i)^{1-y}+(1-a_i)c_i^y(1-c_i)^{1-y}} \log {(1-a)c^y(1-c)^{1-y}} \\&=\mu_i \log {ab^y(1-b)^{1-y}} + (1-\mu_i)\log {(1-a)c^y(1-c)^{1-y}}\end {align*}$

求多次试验的Q函数，有

$Q(\theta, \theta_i)_{multi}=\sum_{j=1}^n{[\mu_i^j \log {ab^{y_j}(1-b)^{1-y_j}}+(1-\mu_i^j)\log {(1-a)c^{y_j}(1-c)^{1-y_j}}]}$

求导数，有

$\frac{\delta Q}{\delta a} =\sum_{j=1}^n \frac{\mu_i^j - a}{a(1-a)}=0$

有 $a_{i+1}=a=\frac{1}{n}\sum_{j=1}^n\mu_i^j$

同理有

$b_{i+1}=\frac{\sum_{j=1}^n\mu_i^jy_j}{\sum_{j=1}^n\mu_i^j}$

$c_{j+1}=\frac{\sum_{j=1}^n(1-\mu_i^j)y_j}{\sum_{j=1}^n(1-\mu_i^j)}$

令 $\theta_0=(a_0,b_0, c_0)=(0.5, 0.5, 0.5)$ ,有 $\hat \theta = (\hat a, \hat b, \hat c)=(0.5, 0.6, 0.6)$

令 $\theta_0=(a_0,b_0, c_0)=(0.4, 0.6, 0.7)$ ，有 $\hat \theta = (\hat a, \hat b, \hat c)=(0.4064, 0.5368, 0.6432)$

高斯混合模型

高斯混合模型为

$P(y|\theta) = \sum_{i=1}^K\alpha_i\phi_i(y|\theta_k)$ ,

其中 $\alpha_i$ 是分模型系数， $\sum_{i=1}^K\alpha_i=1,\alpha_i \geq0$ , $\phi_i(y|\theta_i)$ 是高斯分布密度， $\theta_i=(\mu_i, \sigma_i^2 )$ ,

$\phi(y|\theta)=\frac{1}{\sqrt {2 \pi} \sigma}\exp \left (-\frac{(y - \mu)^2}{2\sigma^2} \right) \\ \phi(y|\theta) = \frac{1}{(2 \pi)^{ \frac {D}{2}} } \frac{1}{\Sigma^{\frac{1}{2}} } \exp \left( -\frac{1}{2} (x - \mu)^T\Sigma^{-1}(x - \mu) \right)$

。高斯混合模型认为数据是这样生成的：首先依概率 $\alpha$ 选择分模型，然后根据选择的分模型生成数据。包含隐变量“选择的分模型”，可以通过EM算法估计高斯混合模型的参数

和K-means聚类的关系

【待】

最后编辑于：2018.12.22 13:20:13

人面猴
序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
沈念sama阅读 202,723评论 5赞 476
死咒
序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
沈念sama阅读 85,080评论 2赞 379
救了他两次的神仙让他今天三更去死
文/潘晓璐我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
开封第一讲书人阅读 149,604评论 0赞 335
道士缉凶录：失踪的卖姜人
文/不坏的土叔我叫张陵，是天一观的道长。经常有香客问我，道长，这世上最难降的妖魔是什么？我笑而不...
开封第一讲书人阅读 54,440评论 1赞 273
港岛之恋（遗憾婚礼）
正文为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
茶点故事阅读 63,431评论 5赞 364
恶毒庶女顶嫁案：这布局不是一般人想出来的
文/花漫我一把揭开白布。她就那样静静地躺着，像睡着了一般。火红的嫁衣衬着肌肤如雪。梳的纹丝不乱的头发上，一...
开封第一讲书人阅读 48,499评论 1赞 281
城市分裂传说
那天，我揣着相机与录音，去河边找鬼。笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。我是一名探鬼主播，决...
沈念sama阅读 37,893评论 3赞 395
双鸳鸯连环套：你想象不到人心有多黑
文/苍兰香墨我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
开封第一讲书人阅读 36,541评论 0赞 256
万荣杀人案实录
序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
沈念sama阅读 40,751评论 1赞 296
护林员之死
正文独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋以下内容为张勋视角年9月15日...
茶点故事阅读 35,547评论 2赞 319
白月光启示录
正文我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
茶点故事阅读 37,619评论 1赞 329
活死人
序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
沈念sama阅读 33,320评论 4赞 318
日本核电站爆炸内幕
正文年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
茶点故事阅读 38,890评论 3赞 307
男人毒药：我在死后第九天来索命
文/蒙蒙一、第九天我趴在偏房一处隐蔽的房顶上张望。院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
开封第一讲书人阅读 29,896评论 0赞 19
一桩弑父案，背后竟有这般阴谋
文/苍兰香墨我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。一阵脚步声响...
开封第一讲书人阅读 31,137评论 1赞 259
情欲美人皮
我被黑心中介骗来泰国打工，没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。一个月前我还...
沈念sama阅读 42,796评论 2赞 349
代替公主和亲
正文我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
茶点故事阅读 42,335评论 2赞 342

EM

概述

术语