EM 算法：学习高斯混合模型

观察要点

1. 含隐变量模型的似然难以直接优化，EM 交替推断隐变量与更新参数。
2. 每轮 EM 不降低对数似然，但可能收敛到局部最优。
3. K 均值可以看作 EM 在“硬分配、等方差”下的特例。

相关章节：第 11 章　概率图模型、第 9 章　无监督学习。