本系列笔记内容参考来源为李航《统计学习方法》
EM算法是一种迭代算法，用于含有隐变量的概率模型参数的极大似然估计或极大后验概率估计。迭代由
（1）E步：求期望
（2）M步：求极大
组成，称为期望极大算法。
EM算法引入
EM算法是通过不断求解下界的极大化逼近求解对数似然函数极大化的算法。
EM在监督学习中的应用
收敛性
EM算法在高斯混合模型学习中的应用
高斯混合模型
高斯混合模型参数估计的EM算法
EM算法的推广
EM算法还可解释为F函数的极大-极大算法，基于这个解释有若干变形与推广。
首先引入F函数的概念
