機械学習・確率輪講（第五回）EMアルゴリズム

弊研で行っている勉強会のスライドです．
EMアルゴリズムについてまとめました．

Transcript

1. 高橋研機械学習・確率 輪講 第5回 EMアルゴリズム 2019/07/17 関口舜一 Twitter : https://twitter.com/ShunichiSekigu1 Github : https://github.com/Shunichi09 Qiita : https://qiita.com/MENDY
2. 本日の流れ • EMアルゴリズム • 参考 ‐ https://qiita.com/kenmatsu4/items/59ea3e5dfa3d4c161efb 2019/7/17 2 今まで比べると少しだけAdvancedな内容になっております 説明が不十分なケースが多いと思うので たくさん止めていただけると嬉しいです 各sectionで，breakを挟もうと思います
3. 今日の輪講を理解するとできること 2019/7/17 3 混合ガウスモデルによる点群のクラスタリング このケースは クラスが3つ 真値
4. 今までの輪講を理解するとできそうになること 2019/7/17 4 モデル推定+制御（方策獲得） [1] [2] [1] Deisenroth, Marc, and Carl E. Rasmussen. "PILCO: A model-based and data-efficient approach to policy search." Proceedings of the 28th International Conference on machine learning (ICML-11). 2011. [2] Levine, Sergey, et al. "End-to-end training of deep visuomotor policies." The Journal of Machine Learning Research 17.1 (2016): 1334-1373.
5. 今日の目標（EMアルゴリズム） 2019/7/17 5 潜在変数を扱う感覚に慣れる！！！
6. Notation and Reference • Sergey Levineの講義の資料を多く使ってます 本スライドでは[s]で参照します ‐ http://rail.eecs.berkeley.edu/deeprlcourse/ 2019/7/17 6 データ数 N クラス数 K 観測変数 xn 潜在変数 sn zn 平均μと分散Σの ガウス分布 N(μ,Σ) 観測変数系列 X 潜在変数系列 S 潜在変数系列 Z
7. Review (Maximum Likelihood) 2019/7/17 -7- Step4：未知のデータに対する予測 Step3：推論の導出 Step2：モデルの構築 Step1：データの収集 ( ) ( ) , p x N  =  確率分布 尤度関数 ( ) | , p X   EMアルゴリズムなど ( ) * | , new new p x   予測
8. Recap (Bayesian Inference) 2019/7/17 -8- Step4：未知のデータに対する予測 Step3：推論の導出 Step2：モデルの構築 Step1：データの収集 ( ) ( ) , p x N  =  ( ) ( ) ( ) * * | | , , | p x X p x p X d d    =     確率分布 事後分布 予測分布 もっと複雑なモデルへ ( ) ( ) ( ) ( ) | , , , | p X p p X p X       =
9. What is Expectation-Maximization Algorithm? • Wikipedia[1]より ‐ “確率モデルのパラメータを最尤推定する手法の一つであり、 観測不可能な潜在変数に確率モデルが依存する場合に用いられる。” ➔「欠けているデータ」がある場合の最尤推定法 2019/7/17 9 潜在変数を持つ確率分布？ 例えば，Gaussian Mixture Model!! ( ) ( ) 1 | , K k k k k p N  = =  x x μ Σ
10. What is Expectation-Maximization Algorithm? • Wikipedia[1]より ‐ “EMアルゴリズムは反復法の一種であり、期待値(英: expectation, E) ス テップと最大化 (英: maximization, M)ステップを交互に繰り替えすこと で計算が進行する。Eステップでは、現在推定されている潜在変数の分 布に基づいて、モデルの尤度の期待値を計算する。Mステップでは、E ステップで求まった尤度の期待値を最大化するようなパラメータを求め る。M ステップで求まったパラメータは、次の E ステップで使われる潜在 変数の分布を決定するために用いられる。” 2019/7/17 10 とりあえずEステップとMステップがあるんだな．．．
11. Recap: GMM(Gaussian Mixture Model) • 混合ガウスモデル（GMM） ‐ 複数のガウス分布を重みづけして，和を取ったもの 2019/7/17 11 ( ) ( ) 1 | , K k k k k p N  = =  x x μ Σ 混合比率     1 2 3 , , 0.2,0.3,0.5    = = π ※この場合外枠が 混合ガウスモデル分布の 確率分布関数の値 確率密度 確率密度 x x 1次元混合ガウス分布例
12. Recap: Parameters and Latent variable in GMM 12 潜在変数 の扱いが少しやっかいなので，補足 GMMの潜在変数 と観測変数 の同時分布 は， ( ) ( ) 1 | | , nk K n n n k k k p N = =  z x z x μ Σ ( ) 1 nk K z n k k p  = =  z ( ) ( ) 1 , | , nk nk K n n k k k k p N  = =  z z x z x μ Σ パラメータは 各クラスのガウス分布の平均と分散 潜在変数のカテゴリカル分布   1 1 , ,... , K K μ Σ μ Σ   1 ,... K   z n x n z ( ) , n n p x z   0,0,1,0,0... n = z 1 2 3 0, 0, 1,... n n n = = = z z z n z nk z ：あるn番目データ点の潜在変数ベクトル ：あるn番目データ点の 潜在変数ベクトルのk個目の値 （どのクラスに所属しているか？） ( ) ( ) 1 1 1 | 1 | , n n n p z N = = x x μ Σ 例：
13. Recap: Graphical model of GMM 2019/7/17 13 ( ) ( ) 1 | | , nk K n n n k k k p N = =  z x z x μ Σ ( ) 1 nk K z n k k p  = =  z パラメータθ   0,0,1,0,0... n = z 1 2 3 0, 0, 1,... n n n = = = z z z n z nk z ：あるn番目データ点の潜在変数ベクトル ：あるn番目データ点の 潜在変数ベクトルのk個目の値 （どのクラスに所属しているか？）
14. Recap: Likelihood • 最尤推定（第一回スライド参考） ‐ データxが最も得られやすいパラメータθ（尤度） ➔（対数）尤度の最大化 2019/7/17 14 ( ) max | p x θ ( ) maxlog | p x θ
15. How do we maximize the likelihood? • 混合ガウスモデルの尤度 ‐ 観測したデータ集合 に混合ガウスモデルをFit ‐ 今知りたいのは， ‐ 各クラスのガウス分布の平均 と分散 ‐ 潜在変数 のカテゴリカル分布のパラメータ 2019/7/17 15   1 ,... N = X x x k z k  k μ k Σ ( ) ( ) 1 1 | , , | , N K k n k k k n p N  = = =   X π μ Σ x μ Σ ( ) ( ) 1 1 log | , , log | , N K k n k k n k p N  = = =   X π μ Σ x μ Σ log log log MN M N = +
16. How do we maximize the likelihood? 2019/7/17 16 ( ) ( ) 1 1 log | , , log | , N K k n k k n k p N  = = =   X π μ Σ x μ Σ 対数尤度を最大化すればいいじゃない！（最尤推定） 一般的にlog-sum形式は最大化が困難 （もちろん解けるケースもあります） ( ) ( ) 1 log K k k J p   = =  ( ) ( ) ( ) ( ) ( ) ( ) ( ) 1 2 3 1 1 1 ... 0 K k k K K k k k k p p p p J p p             = = =     + +      = = =     ( ) ( ) ( ) 1 2 3 ... 0 p p p          + + =    とりあえずめげずにやってみる！
17. Differentiate the loglikelihood of GMM 2019/7/17 17 ( ) ( ) ( ) 1 1 | , 0 | , N k n k k k n k n j n j j j N N   − = = −   x μ Σ Σ x μ x μ Σ とりあえず，一回 で微分 k μ ( ) 1 1 N k nk n n k z N  = =  μ x ( ) ( ) 1 1 log | , , log | , N K k n k k n k p N  = = =   X π μ Σ x μ Σ ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) 1 1 2 2 1 1 1 2 2 1 , 1 1 exp 2 2 1 1 exp 2 2 , T n T n N N   − − − −     = − − −         = − − − −     = − μ Σ x μ Σ x μ μ μ Σ x μ Σ x μ Σ x μ Σ μ Σ Σ x μ ( ) ( ) ( ) | , | , k n k k nk j n j j j N z N    =  x μ Σ x μ Σ ( ) 1 N k nk n N z  = =  計算できた．．．？ Appendix A参考
18. Differentiate the loglikelihood of GMM 2019/7/17 18 とりあえず，一回 で微分 ( ) ( ) 1 1 log | , , log | , N K k n k k n k p N  = = =   X π μ Σ x μ Σ k Σ ( ) ( )( ) ( ) 1 | , 0 | , N T k n k k n k n k n j n j j j N N   = = − −   x μ Σ x μ x μ x μ Σ ( )( ) ( ) 1 1 N T k nk n k n k n k z N  = = − −  Σ x μ x μ ( ) ( ) ( ) | , | , k n k k nk j n j j j N z N    =  x μ Σ x μ Σ ( ) 1 N k nk n N z  = =  計算できた．．．？ ( ) ( )( ) ( ) ( )( ) ( ) 1 1 1 1 log , 1 1 log 2 2 1 1 2 2 T T N tr − − − −     = − − − −       = − + − − μ Σ Σ Σ x μ x μ Σ Σ Σ Σ x μ x μ Σ Appendix A参考
19. Differentiate the loglikelihood of GMM 2019/7/17 19 とりあえず，一回 で微分 ( ) 1 1 1 log | , 1 N K k n k k n K k k k J N    = = =   −    +  =    x μ Σ k  ( ) ( ) 1 | , 0 | , N n k k n j n j j j N N   = = +   x μ Σ x μ Σ ( ) ( ) ( ) | , | , k n k k nk j n j j j N z N    =  x μ Σ x μ Σ ( ) 1 N k nk n N z  = =  計算できた．．．？ カテゴリカル分布の 制約条件 k k N N  = ラグランジュの未定乗数法 ( ) ( ) max . 0 J s t C   = ( ) ( ) ( ) , L J C      = + Appendix A 参考
20. Results of differentiating the loglikelihood of GMM 2019/7/17 20 ( ) 1 1 N k nk n n k z N  = =  μ x ( )( ) ( ) 1 1 N T k nk n k n k n k z N  = = − −  Σ x μ x μ ( ) ( ) ( ) | , | , k n k k nk j n j j j N z N    =  x μ Σ x μ Σ ( ) 1 N k nk n N z  = =  k k N N  = やはり，陽なパラメータの解にはなっていない．．． 複雑 （すべてのパラメータを含んでいる）
21. Responsibility 2019/7/17 21 でも， が分かれば，各パラメータを計算できる ( ) ( ) ( ) | , | , k n k k nk j n j j j N z N    =  x μ Σ x μ Σ ( ) ( ) ( ) | , | , k n k k nk j n j j j N z N    =  x μ Σ x μ Σ あるクラスのガウス分布×混合比率 すべてのクラスのガウス分布×混合比率の和 ➔負担率 ( ) 1 1 1 | , n N  x μ Σ ( ) 2 2 2 | , n N  x μ Σ ( ) 3 3 3 | , n N  x μ Σ x ( ) | , j n j j j N   x μ Σ 各点において，どのクラスの分布が その点を説明するかの割合
22. Expectation-Maximization Algorithm 2019/7/17 22 パラメータである，平均 分散 ，混合係数 を初期化 ( ) 1 1 N k nk n n k z N  = =  μ x ( )( ) ( ) 1 1 N T k nk n k n k n k z N  = = − −  Σ x μ x μ ( ) ( ) ( ) | , | , k n k k nk j n j j j N z N    =  x μ Σ x μ Σ k k N N  = ( ) ( ) 1 1 log | , , log | , N K k n k k n k p N  = = =   X π μ Σ x μ Σ E step M step 終了の判定（対数尤度の計算）※ k Σ k μ k  ※繰り返しの回数で判定する場合もあります
23. Why does EM algorithm work? • （おそらく）疑問になるところ ‐ 何で上手くいくの？というか何やってるの？．．． ‐ パラメータの対数尤度計算して，負担率のイメージも分かったけど 結局これは何？ ‐ そういえば，さっきの対数尤度に潜在変数の話は 出てきてないような．．．？ 2019/7/17 23 ( ) ( ) ( ) | , | , k n k k nk j n j j j N z N    =  x μ Σ x μ Σ これらを解決するために一般的な話をしなければなりません
24. General form of latent variable model 2019/7/17 24 混合ガウスモデルのように潜在変数をもつ確率分布を より一般的な形で記述 ( ) ( ) | , | z p p =  x θ x z θ これを最大化！（最尤推定） ( ) ( ) 1 1 1 | 1 | , p z N = = x x μ Σ 潜在変数 （カテゴリカル分布）（どのクラスか？） z ( )   1 0,1 k K z k k k p z  = =   z ( ) ( ) ( ) ( ) 1 | | , z K k k k k p p z p z N  = = =   x x x μ Σ   0,0,0,1,0... = z 潜在変数 観測変数 パラメータ
25. ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) log | log , | , | log , | log , z z z p p p q q p q q L q = =  =    x θ x z θ x z θ z z x z θ z z z θ General form: maximize the log-likelihood 2019/7/17 25 最尤推定をしてみましょう（最大化） ( )   ( )   log log p p E E  X X X X Jensen’s inequality ( ) ( ) log | log , | z p p =  x θ x z θ Log-sumだとできない．．． （GMMのようになる） Sum-logならできる （Jensen’s inequality） 変分下限 Sum-logになっている！！ ( ) ( ) ( )   1 1 1 1 log , 2 K K T k k k k k k k N C x x    − = =  = − −  −   ( ) 1 log , ... K k k k N  =  =  VS
26. General form: maximize the log-likelihood 2019/7/17 26 ( ) log | p x θ ( ) ( ) , L q z θ ( ) ( ) ( ) log | , p L q  x θ z θ 常にこの関係が成り立つのであれば この右側を代わりに最大化しても 対数尤度は大きくなる こっちを代わりに最大化 先ほどの式をどう使うのかというと．．． ( ) ( ) ( ) ? log | , p L q = + x θ z θ これは何？ ？ 対数尤度を 大きくしたい
27. General form: maximize the log-likelihood 2019/7/17 27 ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) log | , , | log | log , | log | log | , | log | log log | log | , log | log log | , log | , log || | , z z z z z z z z z KL p L q p p q q p q p q q p p q p q q q p q p p q q p q p q q D q p − = − = − = −   = − + −     = − −   = −   =           x θ z θ x z θ x θ z z x z θ z x θ z z z x θ x θ z x θ z z z x θ z z x θ x θ z z z x θ z z x θ z z z z x θ  ( ) log | p x θ ( ) ( ) , L q z θ ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) , , , | | , , | , | | , | p p p p p p p p p p p p = = = = z x θ z x θ θ z x θ x θ θ z x θ x θ θ θ z x θ x θ ( ) ( ) ( ) ( ) ( ) || log KL z q z D p z q z p z p z   =    潜在変数 の事前分布と 事後分布のKLダイバージェンス z
28. General form: maximize the log-likelihood 2019/7/17 28 ( ) log | p x θ ( ) ( ) , L q z θ ( ) ( ) ( ) ( ) ( ) ( ) log | , || | , KL p L q D q p = + x θ z θ z z x θ ( ) ( ) ( ) || | , KL D q p z z x θ じっと眺めてみる 対数尤度 この式を最大化するためにはどうすれば良いのか？ ( ) ( ) ( ) ( ) ( ) , | , log z p L q q q =  x z θ z θ z z
29. General form: maximize the log-likelihood 2019/7/17 29 ( ) ( ) ( ) ( ) ( ) ( ) log | , || | , KL p L q D q p = + x θ z θ z z x θ 対数尤度 ( ) ( ) ( ) ( ) ( ) , | , log z p L q q q =  x z θ z θ z z 変分下限 を押し上げたい！！！ ( ) ( ) , L q z θ ( ) ( ) , L q z θ は， を持つ ( ), q z θ ( ), q z θ それぞれに対して最大化すれば良いのでは？ ( ) ( ) ( ) log | , p L q  x θ z θ ( ) log | p x θ ( ) ( ) , L q z θ ( ) ( ) ( ) || | , KL D q p z z x θ
30. General form: maximize the log-likelihood 2019/7/17 30 ( ) log | p x θ ( ) ( ) , L q z θ ( ) ( ) ( ) || | , KL D q p z z x θ ( ) ( ) ( ) ( ) ( ) ( ) log | , || | , KL p L q D q p = + x θ z θ z z x θ これは に関係ない ( ) log | p x θ を に関して最大化 ( ) ( ) , L q z θ ( ) q z ここは固定 ここが0になれば が最大 ( ) ( ) , L q z θ ( ) ( ) | , q p = z z x θ ( ) ( ) ( ) || | , 0 KL D q p = z z x θ とすれば良い
31. General form: maximize the log-likelihood 2019/7/17 31 を に関して最大化 ( ) ( ) , L q z θ θ ( ) ( ) ( ) ( ) ( ) ( ) log | , || | , KL p L q D q p = + x θ z θ z z x θ ( ) ( ) ( ) ( ) ( ) , | , log z p L q q q =  x z θ z θ z z 1p前で行ったものを考慮（代入）すると．．． ( ) ( ) | , q p = z z x θ ( ) ( ) ( ) || | , 0 KL D q p = z z x θ ( ) ( ) ( ) ( ) ( ) ( ) log | | , , | , || | , old KL old p L p D p p = + x θ z x θ θ z x θ z x θ new   → と変化させると不変or増加 （0にしておいたので） なので気にしない θ θ に依存 に依存 これを に関して最大化 θ
32. General form: maximize the log-likelihood 2019/7/17 32 ( ) ( ) , L q z θ ( ) ( ) ( ) || | , KL new D q p z z x θ ( ) log | p x θ ( ) ( ) | , old q p = z z x θ ( ) ( ) ( ) || | , 0 KL old D q p = z z x θ ( ) ( ) ( ) || | , 0 KL new D q p  z z x θ ( ) ( ) | , old q q = z x θ z KLダイバージェンスは定義より必ず 0 KL D  ( ) q z 増加分 ( ) q z は固定 new   → と変化させる ( ) ( ) ( ) ( ) ( ) ( ) log | | , , | , || | , old KL old p L p D p p = + x θ z x θ θ z x θ z x θ ( ) ( ) , L q z θ を最大化するように ( ) ( ) , L q z θ は固定 増加 対数尤度が 押し上がる
33. General form: maximize the log-likelihood 2019/7/17 33 ( ) ( ) | , q p = z z x θ ( ) ( ) ( ) || | , 0 KL D q p = z z x θ ( ) ( ) ( ) ( ) , | log | lo | , | g , old ol z d p p p p =  x z θ x z x θ θ z x θ のとき ( ) ( ) ( ) ( ) ( ) | , | , log | log , | log | , z old old z old p p p p p = −   x θ x z θ z x θ z x θ z x θ ( ) ( ) ( ) log | log , , | | z old p p cons p t = −  x θ x z θ z x θ 代入した結果 ( ) ( ) ( ) ( ) ( ) ( ) log | , | | , | , | , | old K old L p L D p p p = + z x θ z x θ x θ θ z x θ new   → と変化させると不変or増加 （0にしておいたので） なので気にしない
34. General form: maximize the log-likelihood 2019/7/17 34 ( ) ( ) ( ) ( ) log | log , | | , , ol z d old p p const Q con t p s = + = +  x θ x z θ θ z x θ θ Sum-log形式なので最大化はlog-sum形式 よりは容易に を に関して最大化 ( ) ( ) , L q z θ θ ( ) max , old Q θ θ ( ) ( ) ( )   1 1 1 1 log , 2 K K T k k k k k k k N C x x    − = =  = − −  −   ( ) 1 log , ... K k k k N  =  =  VS
35. Expectation-Maximization Algorithm 2019/7/17 35 パラメータである， を初期化 ( ) ( ) ( ) , | , log , | old old z Q q p =  θ θ z x θ x z θ ( ) | , p z x θ ( ) argmax , new old Q = θ θ θ θ ( ) log | p x θ E step M step 終了の判定（対数尤度の計算）※ old θ ※繰り返しの回数で判定する場合もあります の事後分布を計算 z
36. Expectation-Maximization Algorithm 2019/7/17 36 ( ) log | p x θ ( ) ( ) , L q z θ ( ) || KL D p q ( ) || KL D p q 対数尤度が 押しあがっていく ( ) | , p z x θ E step の事後分布を計算 z ( ) ( ) ( ) , | , log , | old old z Q q p =  θ θ z x θ x z θ ( ) argmax , new old Q = θ θ θ θ M step パラメータである， を初期化 old θ
37. Analysis of EM algorithm • EMが簡単に使用できる条件※ ‐ 完全データの対数尤度が について最適化可能 ‐ 混合ガウスモデルだと， 37 ( ) ( ) ( ) , | , log , | old old z Q q p =  θ θ z x θ x z θ ( ) argmax , new old Q = θ θ θ θ ここ θ ( ) ( ) ( ) ( ) 1 1 log , | , , log | , log log | , nk nk K n n k k k k K nk k n k k k p N N   = =   =     = +   z z x z π μ Σ x μ Σ z x μ Σ ( ) ( ) 1 | | , nk K n n n k k k p N = =  z x z x μ Σ ( ) 1 nk K n k k p  = =  z z ( ) ( ) ( ) , | p p p = x z x z z パラメータで 微分できそう （sum-log形式） ※困難な場合も，GEM，CEMといった手法提案があります
38. Complete data / Incomplete data 38 GMMにおける完全データ GMMにおける不完全データ 完全データは潜在変数と観測変数の組 が得られているデータ （各データの所属するクラスが分かっている） 不完全データは観測変数のみが 得られているデータ ( ) ( ) 1 1 , | , , | , nk nk N K k n k k n k p N  = = =  z z X Z π μ Σ x μ Σ
39. Introducing EM algorithm of GMM 2019/7/17 39 一般系からGMMを導出 ( ) ( ) ( ) , | , log , | old old z Q q p =  θ θ z x θ x z θ ( ) | , p z x θ 一般系 必要なもの 潜在変数の定義（事前分布） 完全データの対数尤度関数 の での条件付き確率分布 ( ) ( ) ( ) , | | , | p p p = x z θ x z θ z θ 潜在変数の事後分布 ( ) | , p z x θ ( ) p z z x ( ) log , | p x z θ ( ) | p x z
40. Parameters and Latent variable in GMM 40 潜在変数 の扱いが少しやっかいなので，補足 GMMの潜在変数 と観測変数 の同時分布 は， ( ) ( ) 1 | | , nk K n n n k k k p N = =  z x z x μ Σ ( ) 1 nk K z n k k p  = =  z ( ) ( ) 1 , | , nk nk K n n k k k k p N  = =  z z x z x μ Σ パラメータは 各クラスのガウス分布の平均と分散 潜在変数のカテゴリカル分布   1 1 , ,... , K K μ Σ μ Σ   1 ,... K   z n x n z ( ) , n n p x z   0,0,1,0,0... n = z 1 2 3 0, 0, 1,... n n n = = = z z z n z nk z ：あるn番目データ点の潜在変数ベクトル ：あるn番目データ点の 潜在変数ベクトルのk個目の値 （どのクラスに所属しているか？） ( ) ( ) 1 1 1 | 1 | , n n n p z N = = x x μ Σ 例：
41. Introducing EM algorithm of GMM 2019/7/17 41 必要なもの 潜在変数の定義（事前分布） 完全データの対数尤度関数 の での条件付き確率分布 潜在変数の事後分布 ( ) | , p z x θ ( ) p z z x ( ) log , | p x z θ ( ) | p x z GMM ( ) 1 nk K z n k k p  = =  z ( ) ( ) 1 | | , nk K z n n n k k k p N = =  x z x μ Σ ( ) ( ) ( ) 1 1 1 1 | , | , , , | , nk nk nj nj n N K k n k k n k N K k n k k n j N p N   = = = = =   z z z z z x μ Σ Z X π μ Σ x μ Σ Appendix B ( ) ( ) ( ) 1 1 log , | , , log log | , N K nk k n k k n k p N  = = = +  Z X π μ Σ z x μ Σ
42. E-step: 2019/7/17 42 ( ) ( ) ( ) ( ) 1 1 1 1 1 1 | , | , , , | , 1 | , nk nk nj nj n nk nk N K k n k k n k N K k n k k n j N K k n k k n k N p N N C    = = = = = = = =    z z z z z z z x μ Σ Z X π μ Σ x μ Σ x μ Σ すでに算出済み ここは定数 （正規化項）
43. M-step: 2019/7/17 43 ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )     1 1 | , , , 1 1 | , , , , | , , , log , | , , | , , , log log | , log log | , log log | , old old old old old old old old old old N K old old old nk k n k k n k N K nk k n k k q n k nk k n k q Q q p q N E N E N    = = = = =   = +       = +     = +     Z Z Z X π μ Σ Z X π μ Σ θ θ Z X π μ Σ X Z π μ Σ Z X π μ Σ z x μ Σ z x μ Σ z x μ Σ ( ) ( ) 1 1 N K k n k = =  ( )   ( )   p p E A AE = x x x x ここが知りたい！ 潜在変数 の期待値 （ なので，1を取る確率➔どのクラスに所属するかの確率） nk z   0,1 nk  z
44. M-step: 2019/7/17 44 ( )   ( ) ( ) ( ) ( ) ( ) ' | , , , ' ' ' ' 1 1 | , , , | , | , | , | , old old old nk n nj n nk nk old old old q K nk k n k k k K j n k k j k n k k j n j j j E q N N N N     = = =     =     =      Z X π μ Σ Z z z z z z z Z X π μ Σ z x μ Σ x μ Σ x μ Σ x μ Σ 負担率 ！！ （GMMのE-stepは，ここを計算することまで含めます） が1のときのみ （それ以外0） nk z ( ) ( ) ( ) 1 1 1 1 | , | , , , | , nk nk nj nj n N K k n k k n k N K k n k k n j N p N   = = = = =   z z z z z x μ Σ Z X π μ Σ x μ Σ が1のときのみ （それ以外0）   0,0,1 n = z   0,1,0 n = z   1,0,0 n = z nj z 代入してみるとわかる 各データ点は独立 Appendix C （他のデータ点は 事後分布に無関係） ( ) nk  z
45. M-step: 2019/7/17 45 後は各パラメータで微分 (Appendix D) ( ) ( ) ( ) ( ) 1 1 , log log | , N K old nk k n k k n k Q N   = = = +  θ θ z x μ Σ ( ) , 0 old k Q  =  θ θ μ ( ) , 0 old k Q  =  θ θ Σ ( ) 1 , 1 0 K old k k k Q    =      − −         =   θ θ 制約条件 やってみてください．．． 無事導出完了！！！ ( ) 1 1 N k nk n n k z N  = =  μ x ( )( ) ( ) 1 1 N T k nk n k n k n k z N  = = − −  Σ x μ x μ k k N N  =
46. Expectation-Maximization Algorithm 2019/7/17 46 パラメータである，平均 分散 ，混合係数 を初期化 ( ) 1 1 N k nk n n k z N  = =  μ x ( )( ) ( ) 1 1 N T k nk n k n k n k z N  = = − −  Σ x μ x μ ( ) ( ) ( ) | , | , k n k k nk j n j j j N z N    =  x μ Σ x μ Σ k k N N  = ( ) ( ) 1 1 log | , , log | , N K k n k k n k p N  = = =   X π μ Σ x μ Σ E step M step 終了の判定（対数尤度の計算）※ k Σ k μ k  ※繰り返しの回数で判定する場合もあります
47. Example: GMM, problem formulation 2019/7/17 47 問題：各点の潜在変数を推定してください   1 1 5 2.5 2 1.5 1.5 2 = − −   =   −   μ Σ   2 2 0. 2.5 5 1.25 1.25 5 = −   =     μ Σ   3 3 5.5 0.5 2 1.5 1.5 2 = −   =   −   μ Σ   0.33 0.33 0.33 = π 真値 GMMへの入力 900 N =
48. Example: results 2019/7/17 48 ( ) log | p X θ ( ) , old Q θ θ ※ それぞれのアルゴリズムは，各stepが終了した後に 値を計算しています 対数尤度よりも小さい ( ) ( ) log | , old p Q  X θ θ θ 真値 推定値
49. Example: results 2019/7/17 49 ( ) log | p X θ ( ) log | p x θ ( ) ( ) , L q z θ ( ) || KL D p q ( ) || KL D p q ※ それぞれのplotデータは，各stepが終了した後に 値を計算しています e-stepでは変化なし m-stepで押しあがる
50. Other case 2019/7/17 50 その他の例
51. Notes • 局所解に落ちる場合があります ‐ 右図 • MAP推定（事後確率最大）にも使えます ‐ を最大にする（導出可能です[1]） • ハイパーパラメータ推定にも使えます ‐ モデルエビデンス（周辺尤度）を最大化 ‐ 重みwを潜在変数とみなす 2019/7/17 51 ( ) log | p θ x [1] https://qiita.com/kenmatsu4/items/d797bf6250eee5048865
52. Review • EMアルゴリズム ‐ 潜在変数の存在を仮定し，完全データの対数尤度関数が 容易に最適化可能（sum-log形式）な場合に有効な 最尤推定法 ‐ EステップとMステップ 2019/7/17 52
53. Review (Maximum Likelihood) 2019/7/17 -53- Step4：未知のデータに対する予測 Step3：推論の導出 Step2：モデルの構築 Step1：データの収集 ( ) ( ) , p x N  =  確率分布 尤度関数 ( ) | , p X   EMアルゴリズムなど ( ) * | , new new p x   予測
54. Review (Bayesian Inference) 2019/7/17 -54- Step4：未知のデータに対する予測 Step3：推論の導出 Step2：モデルの構築 Step1：データの収集 ( ) ( ) , p x N  =  ( ) ( ) ( ) ( ) | , , , | p X p p X p X       = ( ) ( ) ( ) * * | | , , | p x X p x p X d d    =     確率分布 事後分布 予測分布
55. これで機械学習・確率輪講は終了です． ベイズや推定については多くの良書がでています． 各自でどの本が良いかを探すことも含めて 勉強していただき，それを持ち寄って， 次はさらに発展的な内容で 勉強会ができることを楽しみにしています （秋は輪講ではなく勉強会でやろうと思います）
56. Appendix
57. 使った公式集 2019/7/17 57 ( ) 1 log T −  =  A A A A が対称行列なら ( ) 1 1 T − − = A A ( ) T T tr = x Ax Axx ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) log log f f f f f f                =  =    ( ) ( ) 1 1 1 T T tr − − −  = −  A x A xA A ( )T T T = AB B A ( ) T T  = +  x Ax A A x x A が対称行列なら 2 T  =  x Ax Ax x
58. A: 計算詳細-混合ガウスモデルにおける最尤推定 2019/7/17 58 ( ) ( ) 1 1 log | , , log | , N K k k k n k p N  = = =   x π μ Σ x μ Σ ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) 1 1 2 2 1 1 1 2 2 1 , 1 1 exp 2 2 1 1 exp 2 2 , T n T n N N   − − − −     = − − −         = − − − −     = − μ Σ x μ Σ x μ μ μ Σ x μ Σ x μ Σ x μ Σ μ Σ Σ x μ ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) 1 1 1 1 1 1 1 1 1 1 | , log | , | , | , | , | , | , k n k k N K N k k n k k K n k n k j n j j j N k n k k k n k K n j n j j j N k k k k n k K n j j j j N N N N N N N        = = = = − = = − = =    =  − = = −         x μ Σ μ x μ Σ μ x μ Σ x μ Σ Σ x μ x μ Σ x μ Σ Σ x μ x μ Σ 一回 で微分 k μ
59. A: 計算詳細-混合ガウスモデルにおける最尤推定 2019/7/17 59 一回 で微分 k μ ( ) ( ) ( ) ( )( ) ( ) ( ) ( ) ( ) ( ) 1 1 1 1 1 1 1 1 1 | , 0 | , 0 1 1 N k k k k n k K n j j j j N nk n k n N N nk k nk n n n N k nk n N n nk n N k nk n n k N N z z z z z z N         − = = = = = = = = = − = − = = =         x μ Σ Σ x μ x μ Σ x μ μ x μ x μ x ( ) ( ) ( ) | , | , k k k nk j j j j N z N    =  x μ Σ x μ Σ ( ) 1 N k nk n N z  = =  1p前の続き微分結果を0とする
60. A: 計算詳細-混合ガウスモデルにおける最尤推定 2019/7/17 60 ( ) ( ) 1 1 log | , , log | , N K k k k n k p N  = = =   x π μ Σ x μ Σ ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )( ) ( ) 1 1 1 1 1 1 1 1 1 1 1 | , log | , | , | , log | , | , | , 1 1 2 2 | , k n k k N K N k k n k k K n k n k j n j j j k n k k n k k N k K n j n j j j N T k k k K n j j j j N N N N N N N N        = = = = = = − − − = =    =    =   = − + − −             x μ Σ Σ x μ Σ Σ x μ Σ x μ Σ x μ Σ Σ x μ Σ x μ Σ Σ Σ x μ x μ Σ x μ Σ 一回 で微分 k Σ ( ) ( ) ( ) ( ) ( )( ) ( ) ( )( ) ( ) 1 1 1 1 1 log , 1 1 log 2 log 2 2 2 1 1 log 2 log 2 2 2 1 1 2 2 T T T N n n tr   − − − − −     = − − − − −          = − − − − −      = − + − − μ Σ Σ x μ Σ x μ Σ Σ Σ Σ x μ x μ Σ Σ Σ x μ x μ Σ 一部公式集使用 （見比べてください）
61. A: 計算詳細-混合ガウスモデルにおける最尤推定 2019/7/17 61 ( ) ( )( ) ( ) ( ) ( ) ( )( ) ( ) ( ) ( ) ( ) ( )( ) ( ) ( ) ( )( ) ( ) ( ) ( )( ) ( ) 1 1 1 1 1 1 1 1 1 1 1 1 1 0 2 2 0 1 N T nk k k n k n k k n N T k nk n k n k k n N N T nk nk n k n k n n N T k nk n k n k n N T k nk n k n k n k z z I z z z z N       − − − = − − = = = = =   = − + − −     = − − − = − − = − − = − −       Σ Σ x μ x μ Σ Σ x μ x μ Σ x μ x μ Σ x μ x μ Σ x μ x μ 一回 で微分 k Σ 1p前の続き微分結果を0とする
62. A: 計算詳細-混合ガウスモデルにおける最尤推定 2019/7/17 62 ( ) ( ) 1 1 log | , , log | , N K k k k n k p N  = = =   x π μ Σ x μ Σ ( ) ( ) ( ) ( ) ( ) 1 1 1 1 1 1 1 | , log | , 1 | , | , | , k n k k N K K N k k n k k k K n k k n k j n j j j N n k k K n j n j j j N N N N N           = = = = = = =        + − = +          = +        x μ Σ x μ Σ x μ Σ x μ Σ x μ Σ 一回 で微分 k  ラグランジュの未定乗数法 ( ) ( ) max . 0 J s t C   = ( ) ( ) ( ) , L J C      = +
63. A: 計算詳細-混合ガウスモデルにおける最尤推定 2019/7/17 63 1p前の続き微分結果を0とする 一回 で微分 k  ( ) ( ) ( ) ( ) ( ) ( ) 1 1 1 1 1 1 1 1 | , 0 | , | , 0 | , | , 0 | , 0 N n k k K n j n j j j N n k k k k K n j n j j j K k n k k N K k k K n k j n j j j N N N N N N N            = = = = = = = = = + = + = + = +         x μ Σ x μ Σ x μ Σ x μ Σ x μ Σ x μ Σ ( ) ( ) ( ) 1 1 1 | , 0 | , N k n k k k K n j n j j j N k nk n k k N N N N z N N       = = = = − = =    x μ Σ x μ Σ N  = −
64. B: 計算詳細-GMM 2019/7/17 64 GMMにおける完全データの対数尤度関数 （各データ点は独立）（それぞれの点で考えて掛け算すれば良い） ( ) log , | p x z θ ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) 1 1 1 1 1 log , | log | , , , | log | , , , | log | , log log | , nk nk N n n n n N K k n k k n k N K nk k n k k n k p p p p p N N   = = = = = = =   =     = +    z z X Z θ X Z π μ Σ Z π x z π μ Σ z π x μ Σ z x μ Σ ( ) 1 nk K z n k k p  = =  z ( ) ( ) 1 | | , nk K z n n n k k k p N = =  x z x μ Σ ( ) 1 1 nk N K z k n k p  = = =  Z
65. B: 計算詳細-GMM 2019/7/17 65 GMMにおける潜在変数の事後分布 ( ) | , p z x θ ( ) ( ) ( ) ( ) ( ) 1 1 1 1 , | , , | , | , , | , | , nk nk nk nk n N K k n k k n k N K k n k k n k p p p N N   = = = = = =   z z z z z X Z π μ Σ Z X θ X π μ Σ x μ Σ x μ Σ ( ) ( ) 1 1 , | | , nk nk N K k n k k n k p N  = = =  z z X Z θ x μ Σ ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) , , , | | , , | , | | , | p p p p p p p p p p p p = = = = z x θ z x θ θ z x θ x θ θ z x θ x θ θ θ z x θ x θ 各データ点は独立
66. C: 補足-各データ点が独立 2019/7/17 66 ( )   ( ) ( ) ( ) | , , , | , , , | , , , | , , , old old old n nk nk old old old q nk n old old old nk n n old old old E q q q = = =    Z X π μ Σ Z Z z z z Z X π μ Σ z z X π μ Σ z z x π μ Σ ( ) ( ) ( ) 1 1 1 1 | , | , , , | , nk nk nj nj n N K k n k k n k N K k n k k n j N p N   = = = = =   z z z z z x μ Σ Z X π μ Σ x μ Σ すべてのデータ点で積分したとしても， はn番目のデータ点にのみ依存するので 関連するn番目のデータ点で積分すればよい なお， の事後確率も， n番目のデータ点にのみ依存する ので，上記の式のようになる nk z 各データ点は独立 （積分） n z 各データ点は独立 （事後分布）
67. D: 計算詳細-一般系のGMM 2019/7/17 67 ( ) ( ) ( ) ( ) 1 1 , log log | , N K old nk k n k k n k Q N   = = = +  θ θ z x μ Σ ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) 1 ' ' ' ' '' 1 ' 1 '' 1 1 1 , 1 log log | , 1 log log | , 1 0 K old k N K K k nk k n k k k n k k k k k N nk k n k k n k N nk n k Q N N                 = = = = = =      − −             = + − −         + = −  = + =      θ θ z x μ Σ z x μ Σ z 一回 で微分 k  ( ) ( ) ( ) 1 1 1 1 1 | , 0 | , 0 N nk k n K k n k k N K k k K n k j n j j j N N N        = = = = = = − + = + =      z x μ Σ x μ Σ ( ) ( ) ( ) 1 1 1 | , 0 | , N k n k k k K n j n j j j N k nk n k k N N N N z N N       = = = = − = =    x μ Σ x μ Σ N  = − ( ) 1 N k nk n N z  = = 
68. D: 計算詳細-一般系のGMM 2019/7/17 68 一回 で微分 k μ ( ) ( ) ( ) ( ) 1 1 , log log | , N K old nk k n k k n k Q N   = = = +  θ θ z x μ Σ ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ' ' ' ' 1 ' 1 1 1 1 log log | , , log | , N K nk k n k k old n k k k N nk n k k n k N nk k n k n N Q N     = = = − =  +  =    =  = −    z x μ Σ θ θ μ μ z x μ Σ μ z Σ x μ ( )( ) ( ) ( ) ( ) ( ) ( ) 1 1 1 1 1 1 0 1 1 N nk n k n N N nk k nk n n n N k nk n N n nk n N k nk n n k z z z z z z N       = = = = = = = − = = =       x μ μ x μ x μ x ( ) ( ) ( ) | , | , k k k nk j j j j N z N    =  x μ Σ x μ Σ ( ) 1 N k nk n N z  = = 
69. D: 計算詳細-一般系のGMM 2019/7/17 69 一回 で微分 k Σ ( ) ( ) ( ) ( ) 1 1 , log log | , N K old nk k n k k n k Q N   = = = +  θ θ z x μ Σ ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )( ) ( ) ' ' ' ' 1 ' 1 1 1 1 1 1 log log | , , log | , 1 1 2 2 N K nk k n k k old n k k k N nk n k k n k N T nk k k n k n k k n N Q N     = = = − − − =  +  =    =    = − + − −        z x μ Σ θ θ Σ Σ z x μ Σ Σ z Σ Σ x μ x μ Σ ( ) ( )( ) ( ) ( ) ( ) ( )( ) ( ) ( ) ( ) ( ) ( )( ) ( ) ( ) ( )( ) ( ) ( ) ( )( ) ( ) 1 1 1 1 1 1 1 1 1 1 1 1 1 0 2 2 0 1 N T nk k k n k n k k n N T k nk n k n k k n N N T nk nk n k n k n n N T k nk n k n k n N T k nk n k n k n k z z I z z z z N       − − − = − − = = = = =   = − + − −     = − − − = − − = − − = − −       Σ Σ x μ x μ Σ Σ x μ x μ Σ x μ x μ Σ x μ x μ Σ x μ x μ ( ) ( ) ( ) | , | , k k k nk j j j j N z N    =  x μ Σ x μ Σ ( ) 1 N k nk n N z  = = 
70. E: EMアルゴリズムのもっと直感的な説明 2019/7/17 70 ( ) ( ) log | log , | z p p =  x θ x z θ ( ) ( ) ( ) log | log | , | z p p p =  x θ x z θ z θ 潜在変数ありの確率モデルで，最大化したい尤度は．．． 潜在変数 がないと算出できない z ( ) ( ) ( ) ( ) ( ) ~ | , | log , | lo | | , g , p z p p E p p =   =    z z x θ x θ x z θ x θ z z x θ 事後確率の期待値に にすればよいのでは？ ( ) ( ) ( ) , | , log , | old old z Q q p =  θ θ z x θ x z θ