期望最大化算法（Expectation-Maximization algorithm，簡稱EM算法）是一種疊代算法，主要用於在機率模型中找到參數的最大似然估計（Maximum Likelihood Estimation，MLE）或最大後驗機率估計。該算法常用於處理含有隱變數（latent variable）或缺失數據（incomplete data）的情況。
EM算法的核心步驟包括：
E步驟（Expectation步驟）：在這個步驟中，算法根據當前模型參數估計隱變數的期望值。
M步驟（Maximization步驟）：在M步驟中，算法通過最大化完整數據的對數似然函式來更新模型參數。
這兩個步驟交替進行，直到模型參數收斂，即參數的變化幅度變得很小或不再變化。
EM算法在許多領域都有套用，如機器學習、計算機視覺、信號處理等，特別是在處理含有隱變數或缺失數據的問題時非常有效。