Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
【輪読資料】多次元正規分布でGibbs Sampling (情報工学機械学習9.3.4)
Search
Yuiga Wada (和田唯我)
November 29, 2022
Technology
0
25
【輪読資料】多次元正規分布でGibbs Sampling (情報工学機械学習9.3.4)
https://yuiga.dev/blog/posts/gibbs_mulnorm/
Yuiga Wada (和田唯我)
November 29, 2022
Tweet
Share
More Decks by Yuiga Wada (和田唯我)
See All by Yuiga Wada (和田唯我)
【授業スライド】Well-beingとカルトの関係
yuigawada
0
170
論文速読23
yuigawada
0
120
自己紹介スライド
yuigawada
0
340
【ミニハッカソン】 arXiv Slider
yuigawada
0
250
【授業スライド】Sugar Visualizer
yuigawada
0
300
【授業スライド】SwipeMan
yuigawada
0
75
【授業スライド】教員リムーバー
yuigawada
0
24
【授業スライド】AnonyMask
yuigawada
0
300
Other Decks in Technology
See All in Technology
AIエージェントを現場に導入する目線とは
masahiro_nishimi
1
1.5k
AWSで”最小権限の原則”を実現するための考え方 /20240722-ssmjp-aws-least-privilege
opelab
10
4.3k
サービスの持続的な成長と技術負債について
siva_official
PRO
10
4.4k
データ分析基盤を作ってみよう~設計編~
nrinetcom
PRO
1
110
セキュリティ研修 Day1【MIXI 24新卒技術研修】
mixi_engineers
PRO
0
150
地理情報とAPIのトレンド
nagix
0
160
Matterport を使ってクラスメソッド各拠点のバーチャルオフィスツアーを作成してみた
wakatsuki
0
160
AutomatedLabを使って内部ペンテストを勉強しよう! -やられ社内ネットワークの自動構築-
n_etupirka
1
610
シフトレフトで挑む セキュリティの生産性向上
sekido
PRO
0
270
たくさん本を読んだけど 1年後には綺麗サッパリ!を乗り越えて 学習の鬼になるぞ👹
yum3
0
160
楽しくGoを学び合う、LayerXの勉強会文化 / LayerX's study culture of having fun and learning Go together
ar_tama
2
350
クラウド利用者の「責任」をどう果たす?AWSセキュリティ対策のススメ #AWSSummit
hiashisan
0
270
Featured
See All Featured
ParisWeb 2013: Learning to Love: Crash Course in Emotional UX Design
dotmariusz
105
6.8k
From Idea to $5000 a Month in 5 Months
shpigford
377
46k
[RailsConf 2023] Rails as a piece of cake
palkan
35
4.4k
RailsConf 2023
tenderlove
16
720
JavaScript: Past, Present, and Future - NDC Porto 2020
reverentgeek
44
4.7k
Designing the Hi-DPI Web
ddemaree
276
34k
5 minutes of I Can Smell Your CMS
philhawksworth
200
19k
For a Future-Friendly Web
brad_frost
173
9.2k
GraphQLとの向き合い方2022年版
quramy
36
13k
Bootstrapping a Software Product
garrettdimon
PRO
304
110k
What's in a price? How to price your products and services
michaelherold
239
11k
Reflections from 52 weeks, 52 projects
jeffersonlam
346
19k
Transcript
情報⼯学機械学習 §9.3.4 B3 和⽥唯我 2022/3/1
⽬次 2 • 9.3.4 条件付き確率 • a. 多次元正規分布における Gibbs Sampling
• b. ブロック⾏列の逆⾏列の導出 • c. Demo: Gibbs Samplingの実装
⽬次 3 • 9.3.4 条件付き確率 • a. 多次元正規分布における Gibbs Sampling
• b. ブロック⾏列の逆⾏列の導出 • c. Demo: Gibbs Samplingの実装
a. 特徴と⽬標の整理 4 • Gibbs Sampling の特徴 • ⼀次元だけサンプルを更新するので, 条件付き確率の計算が必要
→ ⼀般に条件付き確率の計算は困難 • ⽬標 • 多次元正規分布における条件付き確率を計算し, Gibbs Samplingに具体的なア ルゴリズムの⼀例を与える.
a. 設定の整理 5 • ベクトル 𝒛 • ⼀次元だけサンプルを更新 • →
第⼀番⽬の変数 𝑥 とベクトル 𝒚 で構成されているとする • 平均・共分散⾏列・精度⾏列 • 以下のようにブロック⾏列で記述
a. 過程の整理 6 • アルゴリズム導出の流れ 1. 提案分布を正規分布 𝒩 µ, Σ
とし, ⼀次元のみに着⽬ (→ 𝑥 ). 2. 𝑝 𝒛 𝝁, Σ (=: 𝑝 𝒚, 𝑥 )から 𝑝 𝑥 | 𝒚 を計算し, パラメタ µ!|# , σ!|# $ を計算. 3. 𝑝 𝑥 | 𝒚 と 𝑝 𝑧% | 𝑧& '(& 𝑧$ '(& , … , 𝑧%)& '(& , 𝑧%(& ' , … , 𝑧* (') との対応を与える.
a. 式の整理 7 • 𝒛 ~ 𝒩 µ, Σ のとき
𝑝 𝒛 𝝁, Σ は以下の通り • 共分散⾏列 Σを精度⾏列 Λ で書き換えると
a. パラメタ µ!|# , σ!|# $ の計算 8 • パラメタ
の計算 • σ!|# $ → 𝑥 に関する2次の項と対応 • µ!|# → 𝑥 に関する1次の項と対応 • ⇒ 𝑝(𝒚) は 𝑥 に関与しないので 𝑝 𝒛 𝝁, Σ を 𝑥 について係数⽐較 疑問: 𝑥 と 𝒚 って相関ゼロ?
a. パラメタ µ!|# , σ!|# $ の計算 9 • 𝑝
𝒛 𝝁, Σ の 𝑒𝑥𝑝 内を 𝑥 について展開すると
a. パラメタ σ!|# $ の計算 10 • 2次の項について 𝑝 𝒛
𝝁, Σ 𝑝(𝑥|𝒚)
a. パラメタ µ!|# の計算 11 • 1次の項について 𝑝 𝒛 𝝁,
Σ 𝑝(𝑥|𝒚)
a. パラメタ µ!|# , σ!|# $ の計算 12 • 求めた各パラメタは,
精度⾏列に依存している • → 精度⾏列を共分散⾏列で書き下す必要がある • ブロック⾏列の逆⾏列が問題となる • → ブロック⾏列の逆⾏列を求めよう
⽬次 13 • 9.3.4 条件付き確率 • a. 多次元正規分布における Gibbs Sampling
• b. ブロック⾏列の逆⾏列の導出 • c. Demo: Gibbs Samplingの実装
b. ブロック⾏列の逆⾏列 – LDU分解 14 • ブロック⾏列Pをブロック⾏列 X, Y, Z,
Wを⽤いてLDU分解する • 逆⾏列といえばLU分解じゃない? • なんでここではLDU? • ブロック⾏列なのでUの対⾓⽅向のブロックを I にしたほうが楽 (個⼈的な感想) L (下三⾓) D (対⾓) U (上三⾓)
b. ブロック⾏列の逆⾏列 – LDU分解 15 • Pの各ブロックと⽐較すれば, 以下のようにLDU分解が構成できる
b. ブロック⾏列の逆⾏列 – LDU分解 16 • 逆⾏列を求めるには, ブロック⾏列L,D,Uの逆⾏列が求まれば良い.
b. ブロック⾏列の逆⾏列 – LDU分解 17 • ブロック⾏列L,D,Uの逆⾏列 • 同じ形のブロック⾏列で, 4つのブロックを適当な⽂字に置けば求まる
b. ブロック⾏列の逆⾏列 – LDU分解 18 • ブロック⾏列L,D,Uの逆⾏列が求まったので, 所望の逆⾏列は • 各ブロックについて
• Woodburyの公式が簡略化に有効
b. ブロック⾏列の逆⾏列 – Woodburyの公式 19 • Woodburyの公式 ブロック⾏列の逆⾏列 𝐷 ←
−𝐷−1, 𝑇 ≔ 𝐴 − 𝐵𝐷−1𝐶 と置けば式が綺麗に
b. ブロック⾏列の逆⾏列 20 • よって, ブロック⾏列の逆⾏列は以下の式で与えられる ただし, 𝑇 = 𝐴
− 𝐵𝐷−1𝐶
b. ブロック⾏列の逆⾏列 – 結果 21 • 本題に戻ると… • 以上の議論より, 平均・分散に⽤いる精度⾏列のブロックは
⽬次 22 • 9.3.4 条件付き確率 • a. 多次元正規分布における Gibbs Sampling
• b. ブロック⾏列の逆⾏列の導出 • c. Demo: Gibbs Samplingの実装
c. Demo: Gibbs Samplingの実装 23
c. Demo: Gibbs Samplingの実装 24 コードはgistに上げたので遊んでみてね ⇒ https://gist.github.com/YuigaWada/4929fc479027af6f05ef4950a093ba33