Expectation-Maximization (EM)
Verificato
Aggiornato il 14/08/2026
Significato di «Expectation-Maximization (EM)»
Algoritmo iterativo per stimare i parametri di modelli con variabili latenti, alternando un passo di stima delle variabili nascoste (E) e uno di aggiornamento dei parametri (M). È il metodo classico per addestrare i modelli a miscela gaussiana.
Fonti: EM: massimizzazione della verosimiglianza con variabili latenti; converge a un massimo locale. Fonti: Bishop PRML cap. 9; Dempster, Laird, Rubin 1977 (JRSS-B). Verifica web 2026-08-03. · Verificato il 2026-08-03
Domande frequenti su Expectation-Maximization (EM)
Cosa significa «Expectation-Maximization (EM)»?
Algoritmo iterativo per stimare i parametri di modelli con variabili latenti, alternando un passo di stima delle variabili nascoste (E) e uno di aggiornamento dei parametri (M). È il metodo classico per addestrare i modelli a miscela gaussiana.
A quale glossario appartiene «Expectation-Maximization (EM)»?
«Expectation-Maximization (EM)» fa parte del glossario Machine Learning, nella categoria Intelligenza Artificiale di Glossario Italiano.