EM算法

  EM算法是一种迭代算法，是一种用于计算包含隐变量概率模型的最大似然估计方法，或极大后验概率。$EM$即expectation maximization，期望最大化算法。

1. 极大似然估计

  在概率模型中，若已知事件服从的分布或者其他概率模型的参数，那么我们可以通过计算得到某事件发生的概率。而在估计中，这些变成了方向过程：已知一组数据发生的结果，相当于获得了经验概率，通过这组数据假设模型服从什么分布，再通过经验概率求解模型参数。
  比如统计学校学生身高服从的概率分布，抽样1000人得到他们的身高数据，再假设身高服从正态分布，于是只需要求解$u,\sigma$即可。剩下的问题就是如何确定这两个参数，极大似然估计的思想就是求解在这两个参数下，得到的 这组样本发生的概率最大的情况便是这两个参数最有可能的取值。而抽取每个人的身高都是独立的，让每个p最大化就是让其乘积最大化，于是得到最大似然函数

$$L(\theta) = \prod _xp(x | \theta)$$

  再求解其关于$\theta$的极大化问题便能得到一个对$\theta$的估计

$$\widehat \theta = argmaxL(\theta)$$

2.EM算法

  上面是模型变量都是可观测的情况，这种情况可以直接根据观测到的样本数据，使用极大似然估计对模型参数进行估计。但若模型中含有隐变量的时候，就不能简单的使用极大似然估计进行计算。EM算法就是针对含有隐变量的概率模型参数的极大似然估计方法。
例子：
  假设三枚硬币，记为A、B、C，它们正面向上的概率分别为n、p、q。实验如下：先抛A，根据A的结果选择B或者C再次抛，将这次正面向上的结果记为1，反面记为0，其中A正面向上则选择B，反面则选择C。经过n次实验后得到n个观测值，根据这n个观测值估计n、p、q的参数值。实验过程中只能观测到最后结果，并不能观察实验过程，也就是A的结果是未知的。该模型可以表示如下

$$P(y|\theta) = \sum_zP(y,z|\theta) = \sum_zP(z|\theta)P(y|z,\theta)$$

  其中y是随机变量Y的观测值，表示该次结果是1或0。z代表隐变量，表示模型中未能观测到的A的结果，$\theta=（n,p,q)$是模型参数。其中Y是不完全数据，Y+Z是完全数据。
  若是没有隐变量Z，那么可直接使用对数极大似然函数估计

$$\widehat \theta=arg\underset \theta {max}L(\theta)=arg\underset \theta {max}\sum_y logP(y|\theta)$$

  加入隐变量后，对数极大似然函数变为

$$L(\theta,z)=\sum_ylog\sum_zP(y,z|\theta)$$

  求解

$$\widehat \theta,z=arg\underset {\theta,z} {max}L(\theta,z)$$

  按照极大似然估计中的方法，似乎应该对$\theta,z$求导然后令其为0解方程组，然后注意此时的$L(\theta,z)$函数，log内含有求和运算，若是直接求导计算十分困难，因此退而求其次，既然要极大化$L(\theta,z)$，就先找到一个它的下界，再想办法提高这个下界，同样能达到极大化L的效果。使用$Jensen$不等式对似然函数进行放缩。

• $Jense$不等式（琴生不等式）

  凸函数：是定义在实数域上的函数，如果对于任意的实数，都有：

$$f''\geqslant 0$$

   则该函数是凸函数。
  当函数是凸函数的时候，$Jense$不等式的含义是函数的期望大于等于期望的函数（凹函数相反）。图下图所示

  二维情况下可用凸函数定义来解释，当一个函数是凸函数的时候，它满足

$$f(\frac {a+b} 2)\leqslant \frac {f(a)+f(b)} 2$$

  左边其实相当于其变量x先求期望后带入函数，右边是先求函数值再计算函数值的期望，也就是

$$f(E(x))\leqslant E(f(x))$$

  再回到$L(\theta,z)$中来，目的是为了将对数函数中的和项去掉，便可利用$jense$不等式的性质，将期望的函数变为函数的期望。先进行放缩

$$\begin{aligned} L(\theta,z)&=\sum_ylog\sum_zP(y,z|\theta)\\ &=\sum_ylog\sum_zQ_i(z)\frac {P(y,z|\theta)} {Q_i(z)}\\ &\geqslant \sum_y \sum_zQ_i(z)log\frac {P(y,z|\theta)} {Q_i(z)}\\ \end{aligned}$$

  其中最后一步用到了$jense$不等式，因为对数函数是凹函数，所以不等号反了过来，$f(E(x))\geqslant E(f(x))$,此处

$$f(x) = log(x), x=\frac {P(y,z|\theta)} {Q_i(z)} ，$$

  并且所添加的$Q_i(x)$满足$\sum_zQ_i(z) = 1$  这是根据第三类$jense$不等式的条件设定的，不同系数的加权求和期望只要满足系数之和为1就能使用$jense$不等式。
  所以得到结论，$log\frac {P(y,z|\theta)} {Q_i(z)}$的加权平均就是$L(\theta,z)$的一个下界。这便是EM算法中E（期望）的来由。
  目前$Q(z)$还是未知的，需要根据一些条件来选择一个合适的函数，再次强调最终目的是极大化似然函数，现在我们得到了似然函数的一个下界，一个想法就是让这个下界去更好的逼近似然函数的真实值，下界是根据不等式放缩后得到的，那么当不等式取等号的时候便是最接近原函数的时候。回忆$jense$不等式$f(E(x)) \leqslant E(f(x))$，显然当$x$为常数的时候不等式成立。即

$$x =\frac {P(y,z|\theta)} {Q_i(z)}=c$$

  既然要确定的是$Q_i(z)$，不妨设$\theta$为常数，事实上，EM是一种迭代算法，也就是我们是先给出$\theta$的假设值后再进行迭代计算的，设上一次为第i次迭代，$\theta ^{(i)}$为第i次的参数值，由上式得

$$\begin{aligned} P(y,z|\theta ^{(i)}) &=cQ_i(z) \\ \sum_zP(y,z|\theta ^{(i)})&=\sum_zcQ_i(z) \\ \sum_zP(y,z|\theta ^{(i)})&=c \end{aligned}$$

  将c带入x

$$\begin{aligned} Q_i(z) &= \frac {P(y,z|\theta ^{(i)})} {\sum_zP(y,z|\theta ^{(i)})} \\ &=\frac {P(y,z|\theta ^{(i)})} {P(y|\theta ^{(i)})} \\ &= P(z|y,\theta ^{(i)}) \end{aligned}$$

  第二步用到边缘概率，第三步条件概率。至此，我们得出了$Q(z)$的表达式，$Q(z)$是已知样本观测和模型参数下的隐变量的分布。将$Q_i(z)$视作常数去掉后，得到下面表达式

$$\begin{aligned} L(\theta,z)&=\sum_y \sum_zQ_i(z)log\frac {P(y,z|\theta)} {Q_i(z)}\\ &=\sum_y \sum_zQ_i(z)logP(y,z|\theta)\\ &=\sum_y\sum_zP(z| y,\theta ^{(i)} )logP(y,z|\theta) \end{aligned}$$

  到这儿已经完成了E步，对对数似然函数下界的期望的表示，这个期望是$logP(y,z|\theta)$关于$Q_i(z)=P(z|y,\theta^{(i)})$的期望，接下来需要做的便是极大化这个期望，也就是M步。极大化的方法就是我们常见的优化问题，使用拉格朗日乘数法即可，添加约束条件$\sum_zP(z|y,\theta ^{(i)})=1$后对$\theta,z,\lambda$求偏导令为0。求解

$$\widehat \theta = arg\underset \theta {max}L(\theta,z)$$

  迭代的停止条件常常为$||\theta^{(i+1)}-\theta^{(i)}|| \leqslant \varepsilon ,or,||L(\theta^{(i+1)})-L(\theta^{(i)}|| \leqslant \varepsilon$

3.EM算法的收敛性

  观测数据的似然函数是$L(\theta)=P(y|\theta)$，我们先证明似然函数关于每次迭代后的$\theta$是单调递增的
proof：

$$P(Y|\theta) = \frac {P(Y,Z|\theta)} {P(Z|Y,\theta)}$$

取对数

$$logP(Y|\theta) = logP(Y,Z|\theta)-logP(Z|Y,\theta)$$

由前面结论

$$L(\theta,z) =\sum_zP(Z|Y,\theta^{(i)})logP(Y,Z|\theta)$$

令

$$H(\theta,z) = \sum_zP(Z|Y,\theta^{(i)})logP(Z|Y,\theta)$$

于是，对数似然函数可写作

$$logP(Y|\theta) = L(\theta,z) - H(\theta,z)$$

那么

$$logP(Y|\theta^{(i+1)})-logP(Y|\theta^{(i)}=[L(\theta^{(i+1)},z)-L(\theta^{(i)},z)]-[H(\theta^{(i+1)},z)-H(\theta^{(i)},z)]$$

只需证右边非负，因$\theta^{(i+1)}$使原似然函数$L(\theta^{(i+1)},z)$达到极大，所以

$$L(\theta^{(i+1)},z)-L(\theta^{(i)},z) \geqslant 0$$

对于第二项

$$\begin{aligned} &H(\theta^{(i+1)},z)-H(\theta^{(i)},z)\\ &=\sum_zP(Z|y,\theta^{(i)})log \frac {P(Z|Y,\theta^{(i+1)})} {P(Z|Y,\theta^{(i)})}\\ (Jensen 不等式) &\leqslant log\left ( \sum_zP(Z|Y,\theta^{(i)})\frac {P(Z|Y,\theta^{(i+1)})} {P(Z|Y,\theta^{(i)})} \right )\\ &=log\sum_zP(Z|Y,\theta^{(i+1)})\\ &=log1=0 \end{aligned}$$

  因此$logP(Y|\theta)$关于迭代的$\theta$单调递增，那么如果$P(Y|\theta)$有上界，经过$\theta$的单增迭代一定会收敛到某一值，还有一个定理是EM算法得到的$\theta$收敛值是似然函数的稳定点，人生苦短，证明就免了吧。

4.EM算法在高斯混合模型中的参数估计

  通过前面的介绍已经知道EM算法用于解决含隐变量的概率模型，EM算法可以认为是一种解决问题的思想，在不知道隐变量发生情况的条件下，我们通过计算已知观测数据，求出不同数据在隐变量的某个事件下发生的期望，再通过这个期望去最大化该期望下的似然函数，如此迭代下去便能得到一个局部极大的结果。
  高斯混合模型也是这样的一个概率模型，它由多个正态分布加权组合而成。也就是可以观测到混合模型产生的样本的分布，但是不知道这每一个样本是由其中哪个高斯模型产生的。因此，隐变量就是哪个样本选择了哪个模型。

• 高斯混合模型

  假设观测数据$y_1,y_2,…,y_n$由高斯混合模型产生

$$P(y|\theta) = \sum_{k=1} ^K \alpha_k \Phi(y|\theta_k)$$

  其中$\theta = (\alpha_1,…,\alpha_k;\theta_1,…,\theta_k)$，由前分析得隐变量是每个样本来自哪个模型，j个样本和k个模型，隐变量$\gamma_{jk}$表示如下

$$\gamma_{jk}＝ \left\{\begin{aligned} &1,&第j个观测来自第k个分模型 \\& 0,&否则 \end{aligned}\right.$$

  于是有$j$个观测数据$jk$个位观测数据，总共$(j+1)k$个数据便组成了完全数据，完全数据的似然函数为

$$\begin{aligned} P(y,\gamma|\theta)&=\prod_j^NP(y_j,\gamma_{j1},\gamma_{j2},...,\gamma_{jk}|\theta)\\ &=\prod_k \prod_j[\alpha_k \Phi(y_j|\theta_k)]^{\gamma_{jk}}\\ &=\prod_k \alpha_k^{n_k} \prod_j[\Phi(y_j|\theta_k)]^{\gamma_{jk}}\\ \end{aligned}$$

  其中$n_k = \sum_{j=1}^N\gamma_{jk},\sum_{k=1}^Kn_k = N$,

$$\Phi(y_j|\theta_k) = \frac {1} {\sqrt{2\pi}\delta_k}exp\left ( \frac {(y_i-u_k)^2} {2{\delta_k} ^2}\right )$$

  显然$n_k$表示的是第k个模型出现的样本数量，因此所有模型出现的样本数量和就是N，完全数据的对数似然函数为

$$logP(y,\gamma|\theta) = \sum_k \left \{ n_klog\alpha_k +\sum_j \gamma_{jk}[log(\frac 1 {\sqrt{2\pi} } -log\delta_k-\frac {(y_j-u_k)^2} {2{\delta_k}^2})] \right \}$$

  确定好完全数据的对数似然函数后就可以直接套用EM算法的框架了，首先是E-step，求解对数似然函数关于隐变量的后验概率的期望

$$\begin{aligned} L(\theta,\gamma) &=E[logP(y,\gamma|\theta);y,\theta^{(i)}]\\ &=E\left \{ \sum_k \left \{ n_klog\alpha_k +\sum_j \gamma_{jk}[log(\frac 1 {\sqrt{2\pi} } -log\delta_k-\frac {(y_j-u_k)^2} {2{\delta_k}^2})] \right \} \right \}\\ &=\sum_k \left \{ \sum_jE (\gamma _{jk})log\alpha_k +\sum_j E\gamma_{jk}[log(\frac 1 {\sqrt{2\pi} } -log\delta_k-\frac {(y_j-u_k)^2} {2{\delta_k}^2})] \right \} \end{aligned}$$

  注意其中的$n_k$是关于$\gamma_{jk}$的函数$n_k=\sum_j\gamma_{jk}$，注意上面两步的化简中，并没有直接计算期望，而是根据期望的性质对式子进行化简，将除了$\gamma$的式子看作常数，由$E(aX)=aE(x)$等期望的运算法则化简到只需要求$E(\gamma_{jk})$。
  计算$E(\gamma_{jk})$,记为$\widehat \gamma$，注意这个期望是对$P(\gamma_{jk}|y,\theta)$的期望。

$$\begin{aligned} \widehat \gamma &= E(\gamma_{jk}|y,\theta)\\ &= \frac {P(\gamma_{jk} = 1,y_j | \theta)} {\sum_kP(\gamma_{jk}=1,y_j |\theta)}\\ &= \frac {P(\gamma_{jk} = 1,y_j | \theta) P(\gamma_{jk}=1|\theta)} {\sum_kP(\gamma_{jk}=1,y_j |\theta)P(\gamma_{jk}=1|\theta)}\\ & = \frac {\alpha_k \Phi(y_j|\theta_k)} {\sum_k \alpha_k \Phi(y_j|\theta_k)} \end{aligned}$$

  带入$L(\theta,\gamma)$得

$$L(\theta,\gamma) = \sum_k \left \{ n_klog\alpha_k +\sum_j \widehat \gamma_{jk}[log(\frac 1 {\sqrt{2\pi} } -log\delta_k-\frac {(y_j-u_k)^2} {2{\delta_k}^2})] \right \}$$

  接下就是M步，只需最大化这个L即可

$$\theta^{(i+1)} = arg \underset \theta {max} L(\theta,\gamma)$$

  求解方式同样是拉格朗日，约束条件$\sum_k\alpha_k = 1$