理論：
簡版：猜（E-step）,反思（M-step）,重復；
啰嗦版：
你知道一些東西（觀察的到的數據）， 你不知道一些東西（觀察不到的），你很好奇，想知道點那些不了解的東西。怎么辦呢，你就根據一些假設（parameter）先猜（E-step），把那些不知道的東西都猜出來，假裝你全都知道了; 然后有了這些猜出來的數據，你反思一下，更新一下你的假設（parameter）, 讓你觀察到的數據更加可能(Maximize likelihood; M-stemp); 然后再猜，在反思，最后，你就得到了一個可以解釋整個數據的假設了。

1. 注意，你猜的時候，要盡可能的猜遍所有情況，然后求期望（Expected）；就是你不能僅僅猜一個個例，而是要猜出來整個宇宙；
2. 為什么要猜，因為反思的時候，知道全部的東西比較好。（就是P(X,Z)要比P(X)好優化一些。Z是hidden states）
3. 最后你得到什么了？你得到了一個可以解釋數據的假設，可能有好多假設都能解釋數據，可能別的假設更好。不過沒關系，有總比沒有強，知足吧。（你陷入到local minimum了）
====
實踐：

背景：公司有很多領導=[A總，劉總，C總]，同時有很多漂亮的女職員=[小甲，小章，小乙]。（請勿對號入座）你迫切的懷疑這些老總跟這些女職員有問題。為了科學的驗證你的猜想，你進行了細致的觀察。于是，

觀察數據：
1）A總，小甲，小乙一起出門了；
2）劉總，小甲，小章一起出門了；
3）劉總，小章，小乙一起出門了；
4）C總，小乙一起出門了；

收集到了數據，你開始了神秘的EM計算：
初始化，你覺得三個老總一樣帥，一樣有錢，三個美女一樣漂亮，每個人都可能跟每個人有關系。所以，每個老總跟每個女職員“有問題”的概率都是1/3;

這樣，（E step）
1） A總跟小甲出去過了 1/2 * 1/3 = 1/6 次，跟小乙也出去了1/6次；（所謂的fractional count）
2）劉總跟小甲，小章也都出去了1/6次
3）劉總跟小乙，小章又出去了1/6次
4）C總跟小乙出去了1/3次

總計，A總跟小甲出去了1/6次，跟小乙也出去了1/6次 ; 劉總跟小甲，小乙出去了1/6次，跟小章出去了1/3次；C總跟小章出去了1/3次；

你開始跟新你的八卦了(M step),
A總跟小甲，小乙有問題的概率都是1/6 / (1/6 + 1/6) = 1/2；
劉總跟小甲，小乙有問題的概率是1/6 / (1/6+1/6+1/6+1/6) = 1/4; 跟小章有問題的概率是(1/6+1/6)/(1/6 * 4) = 1/2;
C總跟小乙有問題的概率是 1。

然后，你有開始根據最新的概率計算了；（E-step）
1）A總跟小甲出去了 1/2 * 1/2 = 1/4 次，跟小乙也出去 1/4 次；
2）劉總跟小甲出去了1/2 * 1/4 = 1/12 次， 跟小章出去了 1/2 * 1/2 = 1/4 次；
3）劉總跟小乙出去了1/2 * 1/4 = 1/12 次， 跟小章又出去了 1/2 * 1/2 = 1/4 次；
4）C總跟小乙出去了1次；

重新反思你的八卦（M-step）:
A總跟小甲，小乙有問題的概率都是1/4/ (1/4 + 1/4) = 1/2；
B總跟小甲，小乙是 1/12 / (1/12 + 1/4 + 1/4 + 1/12) = 1/8 ; 跟小章是 3/4 ;
C總跟小乙的概率是1。

你繼續計算，反思，總之，最后，你得到了真相！（馬總表示我早就知道真相了）