ईएम एल्गोरिदम और गरीब आदमी के डेटा संवर्धन एल्गोरिदम का मोंटे कार्लो कार्यान्वयन

इस लेख का पहला भाग ईएम एल्गोरिदम के ई चरण का मोंटे कार्लो कार्यान्वयन प्रस्तुत करता है। posterior वितरण के अधिकतम करने वाले के लिए वर्तमान अनुमान को ध्यान में रखते हुए, सशर्त भविष्यवाणी वितरण से छिपे डेटा पैटर्न उत्पन्न किए जाते हैं। फिर संवर्धित लॉ-पोस्टेरियर का अपेक्षित मान उत्पन्न छिपे डेटा पैटर्न (अनेक इम्प्यूटेशन्स) के मिश्रण के रूप में अपडेट किया जाता है। एल्गोरिदम के एम चरण में, इस मिश्रण को अधिकतम किया जाता है ताकि अवलोकित posterior के अधिकतम करने वाले के लिए अपडेट प्राप्त किया जा सके। अवलोकित लॉ-पोस्टेरियर के ग्रेडिएंट और हेसियन को भी मिश्रण के रूप में व्यक्त किया जाता है, जो अनेक इम्प्यूटेशन्स पर आधारित होते हैं। मोंटे कार्लो ईएम (MCEM) एल्गोरिदम और डेटा संवर्धन एल्गोरिदम के बीच संबंध पर नोट किया गया है। एमसीईएम एल्गोरिदम में दो संशोधन (गरीब आदमी के डेटा संवर्धन एल्गोरिदम) प्रस्तुत किए जाते हैं, जो संपूर्ण posterior की गणना की अनुमति देते हैं। ये अनुमानों सामान्य approximation की वैधता के लिए निदान के रूप में कार्य करते हैं, साथ ही पूर्ण डेटा संवर्धन विश्लेषण के लिए प्रारंभिक बिंदु के रूप में। इस पद्धति का प्रदर्शन दो उदाहरणों के साथ किया गया है।