通俗解释
E 步根据当前参数估计每个样本属于各隐藏状态的概率，M 步用这些概率重新估计参数，似然单调不降。高斯混合模型、HMM 训练都靠它，VAE 的思想也与之相通。
用在哪里：高斯混合模型、语音 HMM、缺失数据
01原始论文
Maximum Likelihood from Incomplete Data Via the EM Algorithm
Dempster et al. · Journal of the Royal Statistical Society Series B: Statistical Methodology · 1977
DOI ↗ ✓ 已核实 · Crossref API doi:10.1111/j.2517-6161.1977.tb01600.x
02知识位置
左边先学；右边是学完它之后可以学的。
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
04在课程里哪里学
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-21。
- JSON: /api/learn/algorithms.json (id:
em)