E：Expection，期望步，利用估計(jì)的參數(shù)，來確定未知因變量的概率，并利用其來計(jì)算期望值。

M：Maximization，最大化，使用最大似然法更新參數(shù)值，使E步中期望值出現(xiàn)的概率最大。

例如網(wǎng)上較多的硬幣例子，可以先估算硬幣正反面參數(shù)A，但是無法獲知隱變量B（無法知道某一次實(shí)驗(yàn)選擇哪一枚硬幣），因此可以分別計(jì)算每次試驗(yàn)選擇了某一枚硬幣的概率，也就是說計(jì)算了隱變量B的概率。明確了隱變量B的概率后，就可以依此概率，計(jì)算出一個(gè)期望值E。

通過更新參數(shù)A，使期望值為E的概率最大化，也就是M步中“最大化”的含義。

可以參考鏈接，https://zhuanlan.zhihu.com/p/78311644，這里面詳細(xì)記錄了硬幣案例的EM迭代過程。

同樣，將情況復(fù)雜化，例如現(xiàn)在有2位男生和2為女生，數(shù)據(jù)記錄了他們的身高（但是不知道被記錄著的性別），需要分別估計(jì)男女生身高分布的均值和方差，

這個(gè)時(shí)候有人就想到我們必須從某一點(diǎn)開始，并用迭代的辦法去解決這個(gè)問題：我們先設(shè)定男生身高和女生身高分布的幾個(gè)參數(shù)（初始值），然后根據(jù)這些參數(shù)去判斷每一個(gè)樣本（人）是男生還是女生，之后根據(jù)標(biāo)注后的樣本，計(jì)算出一個(gè)期望值，然后反過來重新估計(jì)參數(shù)，使期望值出現(xiàn)的概率最大化。之后再多次重復(fù)這個(gè)過程，直至穩(wěn)定。這個(gè)算法也就是EM算法。
https://zhuanlan.zhihu.com/p/56377602