Cours 4 : l'algorithme EM
Contenu du cours
- Rappels de maths sur la convexité :
quelques rappels utiles pour comprendre pourquoi l'algorithme EM fonctionne.
- Description de EM :
EM est un algorithme utile pour apprendre les paramètres de distributions
à partir de base de données avec données manquantes (ce qui arrive souvent
en pratique). Dans le cours, on décrit l'algorithme et on montre son
fonctionnement sur quelques exemples.
- Justification de EM :
on montre pourquoi EM converge vers un maximum (local) de vraisemblance.
- Mixtures de Gaussiennes :
L'estimation de certains paramètres de lois un peu compliquées, comme les
mixtures de gaussiennes, s'avère complexe à réaliser avec le maximum de
vraisemblance. Dans cette partie du cours, on montre comment EM peut
permettre de s'affranchir de cette dificulté.
Le poly du cours : cours4.pdf
et le poly en version 4 slides / page : cours4_4.pdf
Quelques exemples abordés en cours
- système de recommandation (suite du cours 3)
- reconstruction de génotypes à partir de phénotypes
- tracking d'objets avec occlusions
- classification d'images (suite du cours 3)
- étude des éruptions du geyser "Old Faithful"
TD
Recueil de TD : cf semaine 1 (poly complet)
TME
Bibliographie