（一）中我们谈到，如果带入样本分类的不确定性，我们要估计的（1）式就会变得相当复杂，为了绕开这个问题，靠的就是EM算法。

  这里我决定倒着讲，可能更容易然大家理解。首先，说一下EM算法是怎么操作来让（4）式的最大值逼近（1）式的最大值的；接下来，会在几何的角度上证明我们的想法。最后，会把论文中提到的式子加以证明。

  EM是怎么操作的？

  E步：给定（第一次迭代时候可以随机给出初始值），令。

  M步：求解令（4）式最大的值。

  如此循环，直到的值不再有太大的变化。

  从几何角度讲，EM算法在做神马事情？

  曲线1是（1）式的似然函数曲线。曲线2、3、4是（4）式可能的似然函数曲线。因为（1）式大于等于（4）式，所以曲线2、3、4一定在曲线1的下边。（4）式的曲线随着、的取值的不同变换着位置。

  那么EM算法每部发生了什么？当的时候，给定曲线2会和曲线1在A点相交（E步，后边会证明为什么在A点相交）。这时候求得曲线2最值B点对应的（M步）。这时候EM算法的第一次循环就做完了。然后在的基础上从新令，这时候曲线3会和曲线1相交在C点（E步），然后我们在求得曲线三的最值（M步）。如此循环，最终我们会走向曲线4,而这时候，曲线4的最值就是曲线1的最值，即满足了曲线4取得最值，也让曲线1取得最值。从路径上看，（4）式对应的似然函数曲线会沿着曲线1的边界不断的逼近曲线1的最值。

  到这一步，各位会有的问题是，为什么会让两个曲线有一个交点，而且为什么每次迭代会毕竟真正的最值。

  两个证明。

  先说，什么时候（1）式和（4）式会相等。如果一个函数是严格的凸函数，回想Jensen不等式会在什么时候相等？只有自变量是常数的情况下才会相等。

  那么就有（就是（4）式log函数的自变量），又因为，所以（简单推到下就可以得到结果了）。所以E步可以保证：（4）式和（1）式的曲线有一个交点。

  那么，是不是每次跌倒后会有？也就是说，M步是否具有收敛性。

  上图的从几何角度已经给出了一个很直接的答案，这里就不在赘述过程。有兴趣的朋友可以简单推到下。

EM算法（二）