Link
Embed
Share
Beginning
This slide
Copy link URL
Copy link URL
Copy iframe embed code
Copy iframe embed code
Copy javascript embed code
Copy javascript embed code
Share
Tweet
Share
Tweet
Slide 1
Slide 1 text
PRML勉強会第3回 松本宏
Slide 2
Slide 2 text
勉強会のきっかけ PRML勉強会始まったきっかけ: 実務訓練中に木村くんに気軽に持ちかけ たPRML勉強会なんですが、こんなに参加者が 集まるとは思っていませんでした。 ありがとうございます。
Slide 3
Slide 3 text
あと、 前回は突然おやすみとなり、すいませんでした。 m_m
Slide 4
Slide 4 text
第1回、第2階と先発を竹野くんに行ってもらい、 ハードル上げて頂いてありがとうございます。
Slide 5
Slide 5 text
ハードルが上がって辛いです。。。
Slide 6
Slide 6 text
まぁ、最初に言ったと思いますけど 全部理解とか ムリなんで! 一割だけでもわかればいいと思ってはじめたの に・・・ あんなにハードル上げやがって、、、くぁwせdrf tgyふじこlp
Slide 7
Slide 7 text
ことわり かなり情報を削減しています。 ご了承を
Slide 8
Slide 8 text
確率分布
Slide 9
Slide 9 text
二値変数 二つの取りうる値のうち1つをとる変数のこと x ∈ {0, 1} よくコイン投げが例として使われる それを分布図でしめすのが B3前期に中川健治先生の授業でやった 二項分布
Slide 10
Slide 10 text
ベルヌーイ分布 コインの表をx=1で出る確率を としたときの 確率分布 平均 分散
Slide 11
Slide 11 text
ベルヌーイ分布 データ集合Dに対しての尤度関数が以下となる
Slide 12
Slide 12 text
多項分布 二値変数に対しての多値変数 K個の可能な状態のうち1つを取る変数 サイコロとか
Slide 13
Slide 13 text
• そして、各確率が以下の時 • 例えば、観測値データが以下の様な場合 • Xの分布は
Slide 14
Slide 14 text
K個の面をもつサイコロが有る。 各面の出る確率は i番目の面が出た回数 をとする。 そのときのN回投げるとき 制約:
Slide 15
Slide 15 text
共役分布 多項分布の共役分布は 共役分布: 尤度関数と事前分布の積が事後分布 となる事前分布
Slide 16
Slide 16 text
ディリクレ分布 二項分布の共役分布を正規化したものが:
Slide 17
Slide 17 text
多項分布とディリクレ分布 違い: • 多項分布はサイコロの出た目の分布 – Multi(n | p, N) • ディリクレ分布はサイコロの目の出易さ分布 – Dir(p|α)
Slide 18
Slide 18 text
ガウス分布 単変数(変数がxだけ): μ: D次元の平均ベクトル σ^2: 分散
Slide 19
Slide 19 text
多変数 x: D次元ベクトル μ: D次元平均ベクトル Σ: DxD共分散行列
Slide 20
Slide 20 text
距離 ガウス分布の指数部分 マハラノビス距離(Δ): 各変量の共分散を考慮した距離 Σが単位行列ならユークリッド距離
Slide 21
Slide 21 text
共分散行列に対する 固有ベクトルの方程式 上記のように表せれ、 これより、共分散行列Σは 逆行列は
Slide 22
Slide 22 text
もっと詳しく… 対称行列より
Slide 23
Slide 23 text
座標変換
Slide 24
Slide 24 text
まとめると… 固有ベクトルに酔って平行移動や回転をした、 座標系が定義された。
Slide 25
Slide 25 text
ガウス分布のモーメント ガウス分布でのxの期待値は 指数部分は偶関数、かつ、( z + μ ) はzが対称性のために μ だけが残る ガウス分布の平均
Slide 26
Slide 26 text
ガウス分布の2次モーメント 交差項 などは対称性より消え、 は、正規化されたガウス分布より1となる 残った は となる
Slide 27
Slide 27 text
まとめると
Slide 28
Slide 28 text
確率分布 第4回分
Slide 29
Slide 29 text
ガウス分布 条件付きガウス分布 周辺ガウス分布 ガウス変数に対するベイズの定理 ガウス分布の最尤推定 逐次推定 ガウス分布に対するベイズ推論 スチューデントのt分布 周期変数 混合ガウス分布 条件付きガウス分布
Slide 30
Slide 30 text
条件付きガウス分布 ガウス分布の式 :D次元の平均ベクトル :DxDの共分散行列
Slide 31
Slide 31 text
条件付きガウス分布 条件確率はどうなるか 確率変数ベクトルxについて、 一部分がわかっている時
Slide 32
Slide 32 text
条件付きガウス分布 多変量ガウス分布の特性 2つの変数集合の同時分布がガウス分布に従う 1つの変数集合が与えられたとき もう一方の集合の条件付き分布もガウス分布になる がガウス分布なら
Slide 33
Slide 33 text
条件付きガウス分布 ガウス分布を求めるというのは 平均ベクトルμと分散共分散行列Σを求める
Slide 34
Slide 34 text
条件付きガウス分布 この時のベクトルxを2つの部分集合に分ける 対応する平均ベクトルμの分割も定義する
Slide 35
Slide 35 text
条件付きガウス分布 共分散行列Σも以下のように与えられる 共分散行列Σの逆行列を考える 精度行列と呼ぶ
Slide 36
Slide 36 text
条件付きガウス分布 ガウス分布の指数部分の二次系式 これに先の値を代入すると (平方完成をおこなうと)
Slide 37
Slide 37 text
また、xベクトルに関するもの/しないもの分けると
Slide 38
Slide 38 text
この時の一次の項、二次の項と別々に見る 二次の項: → の分散が
Slide 39
Slide 39 text
一次の項: → の平均ベクトルが
Slide 40
Slide 40 text
二変数の確率関数 に対して、 変数Xだけの確率関数 周辺ガウス分布 周辺ガウス分布 周辺確率分布
Slide 41
Slide 41 text
平方完成し の項を取り出 す
Slide 42
Slide 42 text
で積分すると 定数 に依存
Slide 43
Slide 43 text
に依存する項: 積分結果:
Slide 44
Slide 44 text
周辺分布の分散共分散行列: 平均:
Slide 45
Slide 45 text
ガウス変数に対するベイ ズの定理 さっきは ガウス分布p(x)から条件付きベクトル p(x_a | x_b), 周辺分布p(x_a)
Slide 46
Slide 46 text
ガウス分布の最尤推定 データ集合Xの分布パラメータを最尤推定法で求める 対数尤度関数: ... 対数尤度μの導関数を0とすると、平均、分散が求まる μ_ML = ... Σ_ML = ...
Slide 47
Slide 47 text
逐次推定 データを一点ずつ処理してそれを破棄 最尤推定量μ_MLよりNとN-1分離 解釈: ... もっと汎用的、定式化 Robbins Monroアルゴリズム これは本書で...
Slide 48
Slide 48 text
• スチューデントのt分布 平均は同じで精度が異なるガウス分布を 無限個 ガウスの無限混合分布 頑健 図@P.101
Slide 49
Slide 49 text
周期変数 周期性をもつ確率変数を扱う場合は 極座標 フォン・ミーゼス分布
Slide 50
Slide 50 text
フォン・ミーゼス分布 式 (2.179) 導出は2.176から
Slide 51
Slide 51 text
混合ガウス分布 単一のガウス分布で表現が難しい時 図(2.21) 式(2.188) 形状はパラメータに依存 パラメータは最尤推定法で求まる 対数尤度関数:式 2.193