EM 초기화와 K‑메도이드: 가우시안 혼합 모델 성능 향상

본 논문은 “EM 알고리즘의 초기값 민감도”를 주제로, 가우시안 혼합 모델(GMM)에서 EM을 적용할 때 초기 파라미터 설정이 최종 결과에 미치는 영향을 조사한다. 서론에서는 최대우도 추정(Maximum Likelihood Estimation, MLE)의 기본 개념을 소개하고, 라벨이 없는 데이터에 대해 숨은 변수(latent variable)를 도입함으로써 EM이 어떻게 작동하는지를 설명한다. EM의 E‑step에서는 현재 파라미터 θ⁽ˡ⁾ 하에서 숨은 변수의 사후분포를 이용해 기대 로그우도(E