EM算法（Expectation-Maximization algorithm）是一種在統計學和機器學習中常用的算法，主要用於含有隱藏變數的機率模型的最大似然估計或極大後驗機率估計。
EM算法通常用於處理數據缺失或隱藏變數的情況，其核心思想是在每次疊代中執行兩個步驟：E步（Expectation步），根據當前估計的參數計算隱藏變數的期望值；M步（Maximization步），使用上一步得到的隱藏變數期望值重新估計模型參數，以最大化觀測數據的似然或後驗機率。
EM算法在許多領域都有廣泛的套用，如機器學習、自然語言處理、圖像處理和計算機視覺等，並且，EM算法還有多種變體，如廣義EM算法和EM梯度算法等，以適應不同的套用場景和需求。