Zu dieser Karteikarte gibt es einen kompletten Satz an Karteikarten. Kostenlos!

Der EM-Algorithmus ist ein iterative Algorithmus zum Lernen von Gaußschen Mischverteilungen.
Zuerst werden die Parameter initialisiert.

Im E-Step können auf Grund der Parameter die Zugehörigkeitswahrscheinlichkeiten berechnet werden.

Im M-Step (maximierender Schritt) werden die Parameter und unter Zuhilfename von neu berechnet.

Der E und der M-Step werden abwechselnd durchgeführt bis die log-Likelihood-Funktion konvertgiert.

1. Initialisierung
2. E-Step: Klassenzugehörigkeit ausrechnen
   
3. M-Step: Berechnen der Parameter
4. Evaluieren
   
      -> falls konvergiert Abbruch
      -> falls nicht konvergiert => E-Step