Ulteriori informazioni
La stima della massima verosimiglianza (MLE) è un metodo popolare per la stima dei parametri sia nella probabilità applicata che nella statistica, ma MLE non può risolvere il problema dei dati incompleti o dei dati nascosti perché è impossibile massimizzare la funzione di verosimiglianza dai dati nascosti. L'algoritmo Expectation Maximum (EM) è un potente strumento matematico per risolvere questo problema se c'è una relazione tra i dati nascosti e i dati osservati. Tale relazione è specificata da una mappatura dai dati nascosti ai dati osservati o da una probabilità congiunta tra dati nascosti e dati osservati. L'ideologia essenziale di EM è di massimizzare l'aspettativa della funzione di verosimiglianza sui dati osservati basata sulla relazione di allusione invece di massimizzare direttamente la funzione di verosimiglianza dei dati nascosti. I pionieri dell'algoritmo EM hanno dimostrato la sua convergenza. Di conseguenza, l'algoritmo EM produce stimatori di parametri così come fa MLE. Questo tutorial mira a fornire spiegazioni sull'algoritmo EM per aiutare i ricercatori a comprenderlo. Inoltre, nella seconda edizione, vengono introdotte alcune applicazioni EM come il modello a miscela, la gestione dei dati mancanti e l'apprendimento del modello di Markov nascosto.
Info autore
Loc Nguyen ist seit 2017 ein unabhängiger Wissenschaftler. Er ist Postdoktorand in Informatik, zertifiziert von INSTICC im Jahr 2015. Seit 2016 ist er von der LMS als Mathematiker anerkannt. 2016 wurde ihm von HOSREM der Doktortitel in statistischer Medizin verliehen. Er hat 78 Arbeiten und Vorabdrucke sowie 8 wissenschaftliche und technologische Produkte veröffentlicht.
