杂七杂八了解到的部分算法

用到啥，补充啥。

汇总HOG的博客

EM算法（Expectation Maximization Algorithm 最大期望算法）

一种迭代算法，在统计学中被用于寻找，依赖于不可观察的隐性变量的概率模型中，参数的最大似然估计。
在每一次的迭代过程中，主要分为两步：即求期望(Expectation)步骤和最大化(Maximization)步骤。

思想

小时候我们就有这个思想，就是妈妈让和妹妹分糖果，你懒得数到底多少颗，于是直接划分成两堆，然后掂量一下，哪个是多的，哪个是少的，如果左边多了，就放一些到右边，（迭代更新），等到你觉得差不多了，就结束。
EM算法也是类似的，随便定义一个数字，然后并不是准确的，需要双方进行迭代更新，使得差最小，EM是期望最大化。比如身高划分问题，挑选200个学生测量身高，假如得到了一个1.80的数据，那么会首先猜测这是一名男生，这就是E步。然后给每个人划分好了之后，我们就可以用最大似然估计估计分布的参数。估计出的参数可能并不符合开始的期望，小的话，就需要改进，然后将数据重新划分，使达到分布期望最大，这就是M步

应用

最广泛的应用就是GMM混合高斯模型，和K-mean聚类算法，和EM算法
就是鸡和蛋的先后问题，