数据挖掘之EM算法总结
EM算法用来求解具有隐变量的模型参数估计问题，‘隐变量’问题网上最常见的例子就是掷两枚硬币和抽样男女学生身高问题，可以自己看看。
EM算法的过程及其推导如下3：
EM的应用:高斯混合模型（GMM）
弄清楚隐变量：
写出完全数据的对数似然函数，然后求对数似然函数的期望得到Q函数，求使Q函数极大对应的参数
EM的应用:Kmeans聚类：
首先回顾下kmeans的过程。。
E ： 给每个样本指定一个类别
M ： 根据指定的类别调整参数（我的理解这里就是调整各个类别的质心）