集群之后，我们经常要用到EM算法（i.e. Estimation - Maximization）预计参数, 函数的凹/凸性，在estimation和maximization两步中迭代地进行參数预计。并保证能够算法收敛。达到局部最优解。
PS：为了不在11.11这个吉祥的日子发blog，还是打算今天发了。祝单身coder节日快乐，心情愉快~~
因为公式实在太多，这里我就手写了……主要讲了下面几个部分：
1. 凸集，凸函数，凹集，凹函数的概念
2. Jensen's inequality
3. EM算法两步迭代过程与收敛性证明
以下就这三部分予以介绍：
发现好东西了，我的这个看着不是非常清晰，大家能够看这个人写的~
关于Machine Learning很多其它的学习资料与相关讨论将继续更新，敬请关注本博客和新浪微博。