EM算法，全稱為期望最大化算法（Expectation-Maximization Algorithm），是一種疊代最佳化算法，主要用於含有隱變數的機率模型參數的估計。EM算法的基本思想是：如果給定模型的參數，那麼可以根據模型計算出隱變數的期望值；反過來，如果給定隱變數的值，那麼可以通過最大化似然函式來估計模型的參數。EM算法就是通過交替進行這兩步來找到參數的最大似然估計。
EM算法的基本步驟如下：
初始化模型參數
E步：計算隱變數的期望值
M步：最大化似然函式，更新模型參數
重複步驟2和3，直到模型參數收斂。
K-means算法可以被看作是一種特殊的EM算法。在K-means算法中，我們試圖找到一種方式將數據點分配到K個集群中，使得每個數據點到其所在集群中心的距離之和最小。如果我們將集群分配看作是隱變數，那麼K-means算法就可以看作是EM算法。
EM算法的優點是可以處理含有隱變數的機率模型，但也有其局限性，如對初值敏感，可能只能收斂到局部最優解，而不是全局最優解。