EMアルゴリズム
出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2023/04/28 15:13 UTC 版)
EMアルゴリズム（英: expectation–maximization algorithm）とは、統計学において、確率モデルのパラメータを最尤推定する手法の一つであり、観測不可能な潜在変数に確率モデルが依存する場合に用いられる。EM法、期待値最大化法（きたいちさいだいかほう）[1][2]とも呼ばれる。その一般性の高さから、機械学習、音声認識、因子分析など、広汎な応用がある[1]。
- ^ a b c 計算統計I, p. 130.
- ^ 計算統計I, p. 157.
- ^ a b c d e f #PRML pp.156, 164-171
- ^ a b c #ESL pp.316-317.
- ^ Matsuyama, Yasuo (2003). “The α-EM algorithm: Surrogate likelihood maximization using α-logarithmic information measures”. IEEE Transactions on Information Theory 49 (3): 692-706.
- ^ Matsuyama, Yasuo (2011). “Hidden Markov model estimation based on alpha-EM algorithm: Discrete and continuous alpha-HMMs”. International Joint Conference on Neural Networks: 808-816.
- ^ Dempster, A.P., Laird, N.M., Rubin, D.B., (1977). “Maximum Likelihood from Incomplete Data via the EM Algorithm”. Journal of the Royal Statistical Society. Series B (Methodological) 39 (1): 1–38. JSTOR2984875. MR0501537.
- ^ 計算統計I, p. 163.
[続きの解説]
「EMアルゴリズム」の続きの解説一覧
- 1 EMアルゴリズムとは
- 2 EMアルゴリズムの概要
- 3 概要
- 4 動作原理
- 5 一般化
- 6 参考文献
EMアルゴリズムと同じ種類の言葉
- EMアルゴリズムのページへのリンク
