これまで勾配法で最適解を求めてきましたが、今回はEMアルゴリズムを使って解を求めていきます。 EMアルゴリズムとは、E(Expectation)ステップとM(Maximization)ステップを繰り返していき、解を求めるアルゴリズムです。 今回は、ガウス混合分布をですとデータとしてパラメータを推定します。 まずデータとして、 の正規分布にのっとったデータを生成します。この時、としました。 この時の混合ガウス分布は となります。 今回求めたいのは、です。ただし、 という条件付きです。 基本的な流れは 1.平均・分散(今回は1に設定して省略)・混合係数を適当に設定 2.現在のパラメータから事後確率計算 *事後確率はデータ数×混合係数の数(パラメータの数?)だけ発生する。 3.事後確率を用いてパラメータ更新 4.対数尤度を計算し、変化が小さくなれば終了。対数尤度は となります。 本当は事後確率の