SlideShare a Scribd company logo
1 of 33
Download to read offline
PRML                   2.4

                  (id:syou6162)


       June 13, 2009




       (id:syou6162)     PRML   2.4
2.4


      2


      x                                η

      p(x|η) = h(x)g(η) exp {ηT µ(x)}
          x

          η                        (natural parameter) u(x)   x




                       (id:syou6162)   PRML   2.4
Figure:                   Figure:




Figure:                         Figure: t


           (id:syou6162)       PRML         2.4
?




hoge


                              ←




       (id:syou6162)   PRML       2.4
hoge



  (                            )

               η                          ηML


       (   )




                   (id:syou6162)   PRML         2.4
∈
(1/2)

                       : p(x|µ) = Bern(x|µ) = µ x (1 − µ)1−x


         →                                p(x|η) = h(x)g(η) exp {ηT µ(x)}

    p(x|µ) = (1 − µ) exp {log( 1−µ )x}
                                µ

                               natural parameter η
    η=   log( 1−µ )
               µ

         µ                            µ = σ(η)
                      1
         σ(η) =   1+exp(−η)


                          (id:syou6162)     PRML     2.4
∈
(2/2)

                                         (2.194)
    p(x|η) = σ(−η) exp(ηx)
                  p(x|η) = h(x)g(η) exp {ηT µ(x)}

        η = log( 1−µ )
                  µ

        µ(x) = x
        h(x) = 1
        g(η) = σ(−η)




                         (id:syou6162)    PRML     2.4
∈

                  :
            M    x                      M
p(x|µ) =    k=1 µk k     = exp {        k=1   xk log µk }
                                               (2.194)
       p(x|µ) = exp(ηT x)
    ηk = log uk          η = (η1 , · · · , ηM )T
                  p(x|η) = h(x)g(η) exp {ηT µ(x)}

    µ(x) = x
    h(x) = 1
    g(η) = 1




                      (id:syou6162)   PRML         2.4
uk (k = 1, · · · , M)
M
k=1 uk   =1
→             uk                 M−1


                    M−1




               (id:syou6162)   PRML    2.4
M
                     
                     
exp        xk log uk 
    
                     
                      
                     
        k=1
                     
          M−1                        
                                     
= exp      xk log uk + x M log u M 
      
                                     
                                      
                                     
        k=1
                                     
       M−1                   M−1 
                                                M−1
                                                          
                                                       
= exp      xk log uk + 1 −        xk  log 1 −
                                                      
                                                       µk  
                                                      
                        
                         
                                      
                                       
                                             
                                              
                                                         
                                                          
                                                          
        k=1                    k=1                 k=1
      
       M−1              M−1
                                           M−1
                                                              M−1
                                                                       
                                                                   
= exp      xk log uk −       xk log 1 −          + log 1 −
                                                                   
                                                µk                 µk  
                                     
                                                                    
                                                 
                                                           
                                                            
                                                                      
                                                                       
                                                                       
        k=1               k=1               k=1                 k=1
      
       M−1                                    M−1
                                                          
                          µk                            
= exp      xk log                  + log 1 −
                  
                                   
                                                        
                                                       µk  
                                                        
                            M−1
                                   
                     1 − j=1 µ j
                  
                                   
                                             
                                              
                                                         
                                                          
                                                          
        k=1                                        k=1
      
       M−1
                    M−1                        
                                        µk      
= 1 −      µk  exp      xk log 
  
              
                    
                                 
                                                  
                                                   
                                            M−1
                                                  
                                    1 − j=1 µ j 
  
  
              
               
                                
                                                  
                                                   
       k=1             k=1
                     

                                  (id:syou6162)   PRML       2.4
(1/2)


           M−1                     M−1
1−         k=1 µk      exp         k=1   xk log   1−
                                                        µk
                                                        M−1
                                                              µj
                                                        j=1

log   1−
           µk
            M−1
                  µj
                       = ηk
            j=1

                         k
               exp(ηk )
  µk =      1+ M−1 exp(η j )
                j=1


                  4




                         (id:syou6162)   PRML     2.4
(2/2)

                  M−1          −1
p(x|η) = 1 +      j=1 exp(η j ) exp(ηT x)
    natural parameter η = (η1 , · · · , ηM−1 )T
                 p(x|η) = h(x)g(η) exp {ηT µ(x)}

    µ(x) = x
    h(x) = 1
                   M−1               −1
    g(η) = 1 +     j=1   exp(η j )




                   (id:syou6162)   PRML   2.4
∈
                  :
                  1
p(x|µ, σ) =           1   exp {− 1 σ2(x − µ)2}
                                 2
              (2πσ2 ) 2
                                             (2.194)
                               1               1                      1 2
       p(x|µ, σ) =                1    exp {− 2σ2 x2 +    µ
                                                          σ2
                                                             x   −   2σ2
                                                                         µ}
                          (2πσ2 ) 2
                  p(x|η) = h(x)g(η) exp {ηT µ(x)}

            µ/σ2
    η=
          −1/2σ2
              x
    µ(x) =
             x2
                 1
    h(x) = (2π)− 2
                   1        η2
    g(η) = (−2η2 ) 2 exp ( 4η12 )



                           (id:syou6162)   PRML     2.4
2.4.1


   η
   p(x|η) = h(x)g(η) exp {ηT µ(x)}

        → g(η) h(x) exp {ηT u(x)}dx +
        g(η) h(x) exp {ηT u(x)}u(x)dx = 0
                  − log g(η) = E[u(x)]
             −    log g(η) = cor[u(x)]




                     (id:syou6162)   PRML   2.4
& i.i.d.

X = (x1, · · · , xn )

             : p(X|η) = L(η; X) =
    N                                          N
    n=1 h(xn )   g(η)N exp ηT                  n=1 u(xn )
                                                  :
                 1       N
− g(ηML ) =      N       n=1 u(xn )
                        N
                        n=1 u(xn )

                                                            (sufficient
statistic)


                        (id:syou6162)   PRML          2.4
u(x) = x
    N
    n=1 xn
               u(x) = (x, x2 )T
      N       N
    ( n=1 xn, n=1 x2 )T
                   n
(              )


                               8



               (id:syou6162)       PRML   2.4
2.4.2


            :




        (                       )
        (                       )




                (id:syou6162)       PRML   2.4
p(η|χ) = f (χ, ν)g(η)ν exp {νηT χ}
                 =            ×
   = p(η|χ) × p(X|η)
   = f (χ, ν)g(η)ν exp {νηT χ}
         N                       N
                                              
                    g(η)N exp ηT
                                             
              h(xn)                    u(xn )
        
                  
                                             
     × 
                                           
                             
                                             
          n=1                      n=1
                                             
                     N               
                    T
                                     
   ∝ g(η) µ+N
              exp η 
                      u(xn) + νχ  
                                       
                                       
                                     
                                 n=1
                   
                 (id:syou6162)     PRML   2.4
ν



                           µ(x)   χ




(id:syou6162)       PRML    2.4
2.4.3


                                             ν


                            ν




        →

            (id:syou6162)       PRML   2.4
2.4.3

   λ    K
                                         1
                                p(λ) =   K
                                                       x
                                              1
                                  p(x) =     b−a


                           constant

            1                                      1

            2


                (id:syou6162)    PRML    2.4
1:



                                      1




→          (improper prior)


     (                                    )




         (id:syou6162)   PRML   2.4
(2.3.6                                                    )
                                      p(µ) = N(µ0 , σ2)
                                                     0

                                       →                                  µ0 = 0


                         → σ0 → ∞



         →
            σ2                Nσ20                 σ2 /σ2
                                                        0              N
    µN =         µ
           Nσ2 +σ 0
                         +         µ
                             Nσ2 +σ ML
                                              =   N+σ/σ2 0
                                                            µ   +           µ
                                                                     N+σ/σ2 ML
                                                                                 →
             0                 0                          0               0
    µML
     1     1        N        N
    σ2
       =   σ2
                +   σ2
                         →   σ2
     N      0


                              (id:syou6162)       PRML              2.4
(1/2)

            h(λ)                            λ = η2
         η = h(η2)
         ˆ
                                pλ (λ)                       λ = η2

     pη (η) = pλ (λ)| dλ | = pλ (η2 )2η ∝ η
                      dη
pλ (λ)                                              pη (η)




                     (id:syou6162)   PRML     2.4
(2/2)
                                        ?




             (translation invariance)
             (scale invariance)




        (id:syou6162)   PRML   2.4
p(x|µ) = f (x − µ)

x                                 x = x+c
                                  ˆ            µ =µ+c
                                               ˆ

p(x|µ) = f ( x − µ) = f ((x + c) − (µ + c)) = p( x|µ)
             ˆ ˆ                                 ˆˆ




                  (id:syou6162)   PRML   2.4
A≤µ≤B
          A−c ≤µ≤ B−c

 B                   B−c                      B
A
     p(µ)dµ =     p(µ)dµ =
                    A−c                      A
                                                  p(µ − c)dµ
              A B
      → p(µ − c) = p(µ)
         p(µ)
                ?



                      (id:syou6162)   PRML         2.4
µ
                                   µ0 = 0

        σ2               Nσ20
µN =         µ
       Nσ2 +σ 0
                    +         µ
                        Nσ2 +σ ML
                                            =
         0                0
 σ2 /σ2
      0             N
N+σ/σ2 0
          µ   +          µ
                  N+σ/σ2 ML
                                        → µML
        0              0
                       σ2 →
                          0             ∞

                                            µ




                        (id:syou6162)    PRML   2.4
1      x
σ>0                                        p(x|σ) =   σ   f (σ)

x                              x = cx
                               ˆ                     σ = cσ
                                                      ˆ
                      1    x   1     cx          1   cx
          p(x|σ) = σ f ( σ ) = σ f ( cσ ) =      σ f(σ) =
                                                      ˆ
 1     x
       ˆ     1     x
                   ˆ
cσ f ( σ ) = σ f ( σ )p( x|σ)
       ˆ     ˆ     ˆ     ˆˆ




                    (id:syou6162)   PRML   2.4
A≤σ≤B
            A/c ≤ µ ≤ B/c
 B                 B/c                           B
A
     p(σ)dσ =     p(σ)dσ =
                  A/c                           A
                                                        p( 1 σ) 1 dσ
                                                           c    c
              A B
      → p(σ) = p( 1 σ) 1
                  c    c
                 1
         p(σ) ∝ σ
                                         ?                       ?
      f (x) = 1/x      x = 10
      f (10/2) × 2 = f (5) × 1 = 0.2 ×
                 1
                             2
                                                    1
                                                    2
                                                        = 0.1 = f (10)
                           1/x

                         (id:syou6162)       PRML          2.4
µ
        σ
     N(x|µ, σ2 ) ∝ σ−1 exp{−( x/σ)2 }
                              ˆ
     x= x−µ
     ˆ


     λ = 1/σ2
                               p(σ) ∝ 1/σ          p(λ) ∝ 1/λ
                                             3              3
     p(λ) = p(σ) × | dσ | = p(σ) × | − λ− 2 /2| ∝ 1/σ × λ− 2 =
                     dλ
      1/2   −3
             2 = 1/λ
     λ ×λ
                √
            σ = 1/λ
                        3
            dσ/dλ = −λ− 2 /2
λ                             (2.146)
Gam(λ|a0 , b0 )
                      (id:syou6162)   PRML   2.4
Figure: (2.146)                       Gam(λ|a, b)
           a      b     a=b=0



                      (id:syou6162)    PRML         2.4
a0 = 0 b0 = 0

    a N = a0 + N2
              N
    bN = 1 n=1 (xn − µ)2 = b0 + N σ2
          2                     2       ML
a0 = 0 b0 = 0




                 (id:syou6162)   PRML   2.4

More Related Content

What's hot

PRML 上 2.3.6 ~ 2.5.2
PRML 上 2.3.6 ~ 2.5.2PRML 上 2.3.6 ~ 2.5.2
PRML 上 2.3.6 ~ 2.5.2禎晃 山崎
 
PRML輪読#3
PRML輪読#3PRML輪読#3
PRML輪読#3matsuolab
 
パターン認識と機械学習 (PRML) 第1章-「多項式曲線フィッティング」「確率論」
パターン認識と機械学習 (PRML) 第1章-「多項式曲線フィッティング」「確率論」パターン認識と機械学習 (PRML) 第1章-「多項式曲線フィッティング」「確率論」
パターン認識と機械学習 (PRML) 第1章-「多項式曲線フィッティング」「確率論」Koichi Hamada
 
「3.1.2最小二乗法の幾何学」PRML勉強会4 @筑波大学 #prml学ぼう
「3.1.2最小二乗法の幾何学」PRML勉強会4 @筑波大学 #prml学ぼう 「3.1.2最小二乗法の幾何学」PRML勉強会4 @筑波大学 #prml学ぼう
「3.1.2最小二乗法の幾何学」PRML勉強会4 @筑波大学 #prml学ぼう Junpei Tsuji
 
ベイズ統計入門
ベイズ統計入門ベイズ統計入門
ベイズ統計入門Miyoshi Yuya
 
PRML 2.3節 - ガウス分布
PRML 2.3節 - ガウス分布PRML 2.3節 - ガウス分布
PRML 2.3節 - ガウス分布Yuki Soma
 
PRML 2.3.2-2.3.4 ガウス分布
PRML 2.3.2-2.3.4 ガウス分布PRML 2.3.2-2.3.4 ガウス分布
PRML 2.3.2-2.3.4 ガウス分布Akihiro Nitta
 
[PRML] パターン認識と機械学習(第3章:線形回帰モデル)
[PRML] パターン認識と機械学習(第3章:線形回帰モデル)[PRML] パターン認識と機械学習(第3章:線形回帰モデル)
[PRML] パターン認識と機械学習(第3章:線形回帰モデル)Ryosuke Sasaki
 
PRML上巻勉強会 at 東京大学 資料 第1章後半
PRML上巻勉強会 at 東京大学 資料 第1章後半PRML上巻勉強会 at 東京大学 資料 第1章後半
PRML上巻勉強会 at 東京大学 資料 第1章後半Ohsawa Goodfellow
 
PRML輪読#8
PRML輪読#8PRML輪読#8
PRML輪読#8matsuolab
 
PRML上巻勉強会 at 東京大学 資料 第1章前半
PRML上巻勉強会 at 東京大学 資料 第1章前半PRML上巻勉強会 at 東京大学 資料 第1章前半
PRML上巻勉強会 at 東京大学 資料 第1章前半Ohsawa Goodfellow
 
研究室内PRML勉強会 8章1節
研究室内PRML勉強会 8章1節研究室内PRML勉強会 8章1節
研究室内PRML勉強会 8章1節Koji Matsuda
 
PRML 8.2 条件付き独立性
PRML 8.2 条件付き独立性PRML 8.2 条件付き独立性
PRML 8.2 条件付き独立性sleepy_yoshi
 

What's hot (20)

PRML 第4章
PRML 第4章PRML 第4章
PRML 第4章
 
PRML 上 2.3.6 ~ 2.5.2
PRML 上 2.3.6 ~ 2.5.2PRML 上 2.3.6 ~ 2.5.2
PRML 上 2.3.6 ~ 2.5.2
 
PRML輪読#3
PRML輪読#3PRML輪読#3
PRML輪読#3
 
パターン認識と機械学習 (PRML) 第1章-「多項式曲線フィッティング」「確率論」
パターン認識と機械学習 (PRML) 第1章-「多項式曲線フィッティング」「確率論」パターン認識と機械学習 (PRML) 第1章-「多項式曲線フィッティング」「確率論」
パターン認識と機械学習 (PRML) 第1章-「多項式曲線フィッティング」「確率論」
 
PRML第3章@京大PRML輪講
PRML第3章@京大PRML輪講PRML第3章@京大PRML輪講
PRML第3章@京大PRML輪講
 
「3.1.2最小二乗法の幾何学」PRML勉強会4 @筑波大学 #prml学ぼう
「3.1.2最小二乗法の幾何学」PRML勉強会4 @筑波大学 #prml学ぼう 「3.1.2最小二乗法の幾何学」PRML勉強会4 @筑波大学 #prml学ぼう
「3.1.2最小二乗法の幾何学」PRML勉強会4 @筑波大学 #prml学ぼう
 
ベイズ統計入門
ベイズ統計入門ベイズ統計入門
ベイズ統計入門
 
PRML 2.3節 - ガウス分布
PRML 2.3節 - ガウス分布PRML 2.3節 - ガウス分布
PRML 2.3節 - ガウス分布
 
Prml 2.3
Prml 2.3Prml 2.3
Prml 2.3
 
PRML 2.3.2-2.3.4 ガウス分布
PRML 2.3.2-2.3.4 ガウス分布PRML 2.3.2-2.3.4 ガウス分布
PRML 2.3.2-2.3.4 ガウス分布
 
PRML Chapter 5
PRML Chapter 5PRML Chapter 5
PRML Chapter 5
 
PRMLrevenge_3.3
PRMLrevenge_3.3PRMLrevenge_3.3
PRMLrevenge_3.3
 
[PRML] パターン認識と機械学習(第3章:線形回帰モデル)
[PRML] パターン認識と機械学習(第3章:線形回帰モデル)[PRML] パターン認識と機械学習(第3章:線形回帰モデル)
[PRML] パターン認識と機械学習(第3章:線形回帰モデル)
 
PRML上巻勉強会 at 東京大学 資料 第1章後半
PRML上巻勉強会 at 東京大学 資料 第1章後半PRML上巻勉強会 at 東京大学 資料 第1章後半
PRML上巻勉強会 at 東京大学 資料 第1章後半
 
PRML輪読#8
PRML輪読#8PRML輪読#8
PRML輪読#8
 
PRML上巻勉強会 at 東京大学 資料 第1章前半
PRML上巻勉強会 at 東京大学 資料 第1章前半PRML上巻勉強会 at 東京大学 資料 第1章前半
PRML上巻勉強会 at 東京大学 資料 第1章前半
 
研究室内PRML勉強会 8章1節
研究室内PRML勉強会 8章1節研究室内PRML勉強会 8章1節
研究室内PRML勉強会 8章1節
 
PRML 8.2 条件付き独立性
PRML 8.2 条件付き独立性PRML 8.2 条件付き独立性
PRML 8.2 条件付き独立性
 
Prml 3 3.3
Prml 3 3.3Prml 3 3.3
Prml 3 3.3
 
coordinate descent 法について
coordinate descent 法についてcoordinate descent 法について
coordinate descent 法について
 

Similar to Prml

2 senarai rumus add maths k1 trial spm sbp 2010
2 senarai rumus add maths k1 trial spm sbp 20102 senarai rumus add maths k1 trial spm sbp 2010
2 senarai rumus add maths k1 trial spm sbp 2010zabidah awang
 
2 senarai rumus add maths k2 trial spm sbp 2010
2 senarai rumus add maths k2 trial spm sbp 20102 senarai rumus add maths k2 trial spm sbp 2010
2 senarai rumus add maths k2 trial spm sbp 2010zabidah awang
 
Solutions on log examples
Solutions on log examplesSolutions on log examples
Solutions on log examplesKristino Ikaw
 
2 senarai rumus add maths k2 trial spm sbp 2010
2 senarai rumus add maths k2 trial spm sbp 20102 senarai rumus add maths k2 trial spm sbp 2010
2 senarai rumus add maths k2 trial spm sbp 2010zabidah awang
 
2 senarai rumus add maths k1 trial spm sbp 2010
2 senarai rumus add maths k1 trial spm sbp 20102 senarai rumus add maths k1 trial spm sbp 2010
2 senarai rumus add maths k1 trial spm sbp 2010zabidah awang
 
Rational Exponents
Rational ExponentsRational Exponents
Rational ExponentsPhil Saraspe
 
Multivariate normal proof
Multivariate normal proofMultivariate normal proof
Multivariate normal proofCole Arora
 
Proceedings Different Quantum Spectra For The Same Classical System
Proceedings Different Quantum Spectra For The Same Classical SystemProceedings Different Quantum Spectra For The Same Classical System
Proceedings Different Quantum Spectra For The Same Classical Systemvcuesta
 
NIPS2010: optimization algorithms in machine learning
NIPS2010: optimization algorithms in machine learningNIPS2010: optimization algorithms in machine learning
NIPS2010: optimization algorithms in machine learningzukun
 
Lesson 8: Derivatives of Logarithmic and Exponential Functions (worksheet sol...
Lesson 8: Derivatives of Logarithmic and Exponential Functions (worksheet sol...Lesson 8: Derivatives of Logarithmic and Exponential Functions (worksheet sol...
Lesson 8: Derivatives of Logarithmic and Exponential Functions (worksheet sol...Matthew Leingang
 
Formulario cuantica 2
Formulario cuantica 2Formulario cuantica 2
Formulario cuantica 2Abraham Prado
 
Ysu conference presentation alaverdyan
Ysu conference  presentation alaverdyanYsu conference  presentation alaverdyan
Ysu conference presentation alaverdyanGrigor Alaverdyan
 
Scattering theory analogues of several classical estimates in Fourier analysis
Scattering theory analogues of several classical estimates in Fourier analysisScattering theory analogues of several classical estimates in Fourier analysis
Scattering theory analogues of several classical estimates in Fourier analysisVjekoslavKovac1
 

Similar to Prml (20)

2 senarai rumus add maths k1 trial spm sbp 2010
2 senarai rumus add maths k1 trial spm sbp 20102 senarai rumus add maths k1 trial spm sbp 2010
2 senarai rumus add maths k1 trial spm sbp 2010
 
2 senarai rumus add maths k2 trial spm sbp 2010
2 senarai rumus add maths k2 trial spm sbp 20102 senarai rumus add maths k2 trial spm sbp 2010
2 senarai rumus add maths k2 trial spm sbp 2010
 
Solutions on log examples
Solutions on log examplesSolutions on log examples
Solutions on log examples
 
2 senarai rumus add maths k2 trial spm sbp 2010
2 senarai rumus add maths k2 trial spm sbp 20102 senarai rumus add maths k2 trial spm sbp 2010
2 senarai rumus add maths k2 trial spm sbp 2010
 
2 senarai rumus add maths k1 trial spm sbp 2010
2 senarai rumus add maths k1 trial spm sbp 20102 senarai rumus add maths k1 trial spm sbp 2010
2 senarai rumus add maths k1 trial spm sbp 2010
 
Add maths 2
Add maths 2Add maths 2
Add maths 2
 
Add Maths 2
Add Maths 2Add Maths 2
Add Maths 2
 
Eigenvalues
EigenvaluesEigenvalues
Eigenvalues
 
Rational Exponents
Rational ExponentsRational Exponents
Rational Exponents
 
SSA slides
SSA slidesSSA slides
SSA slides
 
Multivariate normal proof
Multivariate normal proofMultivariate normal proof
Multivariate normal proof
 
test
testtest
test
 
Proceedings Different Quantum Spectra For The Same Classical System
Proceedings Different Quantum Spectra For The Same Classical SystemProceedings Different Quantum Spectra For The Same Classical System
Proceedings Different Quantum Spectra For The Same Classical System
 
Integral
IntegralIntegral
Integral
 
NIPS2010: optimization algorithms in machine learning
NIPS2010: optimization algorithms in machine learningNIPS2010: optimization algorithms in machine learning
NIPS2010: optimization algorithms in machine learning
 
0004
00040004
0004
 
Lesson 8: Derivatives of Logarithmic and Exponential Functions (worksheet sol...
Lesson 8: Derivatives of Logarithmic and Exponential Functions (worksheet sol...Lesson 8: Derivatives of Logarithmic and Exponential Functions (worksheet sol...
Lesson 8: Derivatives of Logarithmic and Exponential Functions (worksheet sol...
 
Formulario cuantica 2
Formulario cuantica 2Formulario cuantica 2
Formulario cuantica 2
 
Ysu conference presentation alaverdyan
Ysu conference  presentation alaverdyanYsu conference  presentation alaverdyan
Ysu conference presentation alaverdyan
 
Scattering theory analogues of several classical estimates in Fourier analysis
Scattering theory analogues of several classical estimates in Fourier analysisScattering theory analogues of several classical estimates in Fourier analysis
Scattering theory analogues of several classical estimates in Fourier analysis
 

More from syou6162

自分の目的に合った統計量と そのバラ付きを計算しよう ~NPSを例に~(統計学勉強会)
自分の目的に合った統計量と そのバラ付きを計算しよう ~NPSを例に~(統計学勉強会)自分の目的に合った統計量と そのバラ付きを計算しよう ~NPSを例に~(統計学勉強会)
自分の目的に合った統計量と そのバラ付きを計算しよう ~NPSを例に~(統計学勉強会)syou6162
 
オープンセミナー岡山 これから始めるデータ活用
オープンセミナー岡山 これから始めるデータ活用オープンセミナー岡山 これから始めるデータ活用
オープンセミナー岡山 これから始めるデータ活用syou6162
 
正確な意思決定を阻む 問題・障害との向き合い方
正確な意思決定を阻む 問題・障害との向き合い方正確な意思決定を阻む 問題・障害との向き合い方
正確な意思決定を阻む 問題・障害との向き合い方syou6162
 
カスタマーサクセスのためのデータ整備人の活動記録
カスタマーサクセスのためのデータ整備人の活動記録カスタマーサクセスのためのデータ整備人の活動記録
カスタマーサクセスのためのデータ整備人の活動記録syou6162
 
Mackerel Drink Up #9 ロール内異常検知の正式化
Mackerel Drink Up #9 ロール内異常検知の正式化Mackerel Drink Up #9 ロール内異常検知の正式化
Mackerel Drink Up #9 ロール内異常検知の正式化syou6162
 
Mackerelのロール内異常検知の設計と運用
Mackerelのロール内異常検知の設計と運用Mackerelのロール内異常検知の設計と運用
Mackerelのロール内異常検知の設計と運用syou6162
 
教師なし学習によるMackerelの異常検知機能について 〜設計/運用/評価の観点から〜
教師なし学習によるMackerelの異常検知機能について〜設計/運用/評価の観点から〜教師なし学習によるMackerelの異常検知機能について〜設計/運用/評価の観点から〜
教師なし学習によるMackerelの異常検知機能について 〜設計/運用/評価の観点から〜syou6162
 
機械学習を活用したサービスにおける工夫紹介
機械学習を活用したサービスにおける工夫紹介機械学習を活用したサービスにおける工夫紹介
機械学習を活用したサービスにおける工夫紹介syou6162
 
機械学習を使った趣味サービスにおける工夫紹介
機械学習を使った趣味サービスにおける工夫紹介機械学習を使った趣味サービスにおける工夫紹介
機械学習を使った趣味サービスにおける工夫紹介syou6162
 
今日から始める機械学習〜はてなの事例〜
今日から始める機械学習〜はてなの事例〜今日から始める機械学習〜はてなの事例〜
今日から始める機械学習〜はてなの事例〜syou6162
 
機械学習を用いたMackerelの異常検知機能について
機械学習を用いたMackerelの異常検知機能について機械学習を用いたMackerelの異常検知機能について
機械学習を用いたMackerelの異常検知機能についてsyou6162
 
Mackerel Anomaly Detection at PyCon mini Osaka
Mackerel Anomaly Detection at PyCon mini OsakaMackerel Anomaly Detection at PyCon mini Osaka
Mackerel Anomaly Detection at PyCon mini Osakasyou6162
 
はてなにおける機械学習の取り組み
はてなにおける機械学習の取り組みはてなにおける機械学習の取り組み
はてなにおける機械学習の取り組みsyou6162
 
はてなにおける機械学習の取り組み
はてなにおける機械学習の取り組みはてなにおける機械学習の取り組み
はてなにおける機械学習の取り組みsyou6162
 
異常検知ナイト LT登壇資料 はてな id:syou6162
異常検知ナイト LT登壇資料 はてな id:syou6162異常検知ナイト LT登壇資料 はてな id:syou6162
異常検知ナイト LT登壇資料 はてな id:syou6162syou6162
 
Duolingo.pptx
Duolingo.pptxDuolingo.pptx
Duolingo.pptxsyou6162
 
今日からできる構造学習(主に構造化パーセプトロンについて)
今日からできる構造学習(主に構造化パーセプトロンについて)今日からできる構造学習(主に構造化パーセプトロンについて)
今日からできる構造学習(主に構造化パーセプトロンについて)syou6162
 
Kernel20110619
Kernel20110619Kernel20110619
Kernel20110619syou6162
 
Optimization In R
Optimization In ROptimization In R
Optimization In Rsyou6162
 
Syou6162 Dbcls
Syou6162 DbclsSyou6162 Dbcls
Syou6162 Dbclssyou6162
 

More from syou6162 (20)

自分の目的に合った統計量と そのバラ付きを計算しよう ~NPSを例に~(統計学勉強会)
自分の目的に合った統計量と そのバラ付きを計算しよう ~NPSを例に~(統計学勉強会)自分の目的に合った統計量と そのバラ付きを計算しよう ~NPSを例に~(統計学勉強会)
自分の目的に合った統計量と そのバラ付きを計算しよう ~NPSを例に~(統計学勉強会)
 
オープンセミナー岡山 これから始めるデータ活用
オープンセミナー岡山 これから始めるデータ活用オープンセミナー岡山 これから始めるデータ活用
オープンセミナー岡山 これから始めるデータ活用
 
正確な意思決定を阻む 問題・障害との向き合い方
正確な意思決定を阻む 問題・障害との向き合い方正確な意思決定を阻む 問題・障害との向き合い方
正確な意思決定を阻む 問題・障害との向き合い方
 
カスタマーサクセスのためのデータ整備人の活動記録
カスタマーサクセスのためのデータ整備人の活動記録カスタマーサクセスのためのデータ整備人の活動記録
カスタマーサクセスのためのデータ整備人の活動記録
 
Mackerel Drink Up #9 ロール内異常検知の正式化
Mackerel Drink Up #9 ロール内異常検知の正式化Mackerel Drink Up #9 ロール内異常検知の正式化
Mackerel Drink Up #9 ロール内異常検知の正式化
 
Mackerelのロール内異常検知の設計と運用
Mackerelのロール内異常検知の設計と運用Mackerelのロール内異常検知の設計と運用
Mackerelのロール内異常検知の設計と運用
 
教師なし学習によるMackerelの異常検知機能について 〜設計/運用/評価の観点から〜
教師なし学習によるMackerelの異常検知機能について〜設計/運用/評価の観点から〜教師なし学習によるMackerelの異常検知機能について〜設計/運用/評価の観点から〜
教師なし学習によるMackerelの異常検知機能について 〜設計/運用/評価の観点から〜
 
機械学習を活用したサービスにおける工夫紹介
機械学習を活用したサービスにおける工夫紹介機械学習を活用したサービスにおける工夫紹介
機械学習を活用したサービスにおける工夫紹介
 
機械学習を使った趣味サービスにおける工夫紹介
機械学習を使った趣味サービスにおける工夫紹介機械学習を使った趣味サービスにおける工夫紹介
機械学習を使った趣味サービスにおける工夫紹介
 
今日から始める機械学習〜はてなの事例〜
今日から始める機械学習〜はてなの事例〜今日から始める機械学習〜はてなの事例〜
今日から始める機械学習〜はてなの事例〜
 
機械学習を用いたMackerelの異常検知機能について
機械学習を用いたMackerelの異常検知機能について機械学習を用いたMackerelの異常検知機能について
機械学習を用いたMackerelの異常検知機能について
 
Mackerel Anomaly Detection at PyCon mini Osaka
Mackerel Anomaly Detection at PyCon mini OsakaMackerel Anomaly Detection at PyCon mini Osaka
Mackerel Anomaly Detection at PyCon mini Osaka
 
はてなにおける機械学習の取り組み
はてなにおける機械学習の取り組みはてなにおける機械学習の取り組み
はてなにおける機械学習の取り組み
 
はてなにおける機械学習の取り組み
はてなにおける機械学習の取り組みはてなにおける機械学習の取り組み
はてなにおける機械学習の取り組み
 
異常検知ナイト LT登壇資料 はてな id:syou6162
異常検知ナイト LT登壇資料 はてな id:syou6162異常検知ナイト LT登壇資料 はてな id:syou6162
異常検知ナイト LT登壇資料 はてな id:syou6162
 
Duolingo.pptx
Duolingo.pptxDuolingo.pptx
Duolingo.pptx
 
今日からできる構造学習(主に構造化パーセプトロンについて)
今日からできる構造学習(主に構造化パーセプトロンについて)今日からできる構造学習(主に構造化パーセプトロンについて)
今日からできる構造学習(主に構造化パーセプトロンについて)
 
Kernel20110619
Kernel20110619Kernel20110619
Kernel20110619
 
Optimization In R
Optimization In ROptimization In R
Optimization In R
 
Syou6162 Dbcls
Syou6162 DbclsSyou6162 Dbcls
Syou6162 Dbcls
 

Prml

  • 1. PRML 2.4 (id:syou6162) June 13, 2009 (id:syou6162) PRML 2.4
  • 2. 2.4 2 x η p(x|η) = h(x)g(η) exp {ηT µ(x)} x η (natural parameter) u(x) x (id:syou6162) PRML 2.4
  • 3. Figure: Figure: Figure: Figure: t (id:syou6162) PRML 2.4
  • 4. ? hoge ← (id:syou6162) PRML 2.4
  • 5. hoge ( ) η ηML ( ) (id:syou6162) PRML 2.4
  • 6. ∈ (1/2) : p(x|µ) = Bern(x|µ) = µ x (1 − µ)1−x → p(x|η) = h(x)g(η) exp {ηT µ(x)} p(x|µ) = (1 − µ) exp {log( 1−µ )x} µ natural parameter η η= log( 1−µ ) µ µ µ = σ(η) 1 σ(η) = 1+exp(−η) (id:syou6162) PRML 2.4
  • 7. ∈ (2/2) (2.194) p(x|η) = σ(−η) exp(ηx) p(x|η) = h(x)g(η) exp {ηT µ(x)} η = log( 1−µ ) µ µ(x) = x h(x) = 1 g(η) = σ(−η) (id:syou6162) PRML 2.4
  • 8. : M x M p(x|µ) = k=1 µk k = exp { k=1 xk log µk } (2.194) p(x|µ) = exp(ηT x) ηk = log uk η = (η1 , · · · , ηM )T p(x|η) = h(x)g(η) exp {ηT µ(x)} µ(x) = x h(x) = 1 g(η) = 1 (id:syou6162) PRML 2.4
  • 9. uk (k = 1, · · · , M) M k=1 uk =1 → uk M−1 M−1 (id:syou6162) PRML 2.4
  • 10. M     exp  xk log uk        k=1    M−1    = exp  xk log uk + x M log u M        k=1    M−1  M−1    M−1      = exp  xk log uk + 1 − xk  log 1 −      µk                     k=1 k=1 k=1   M−1 M−1  M−1   M−1       = exp  xk log uk − xk log 1 −  + log 1 −      µk  µk                   k=1 k=1 k=1 k=1   M−1    M−1   µk   = exp  xk log   + log 1 −        µk      M−1   1 − j=1 µ j            k=1 k=1  M−1    M−1      µk  = 1 − µk  exp  xk log            M−1   1 − j=1 µ j             k=1 k=1  (id:syou6162) PRML 2.4
  • 11. (1/2) M−1 M−1 1− k=1 µk exp k=1 xk log 1− µk M−1 µj j=1 log 1− µk M−1 µj = ηk j=1 k exp(ηk ) µk = 1+ M−1 exp(η j ) j=1 4 (id:syou6162) PRML 2.4
  • 12. (2/2) M−1 −1 p(x|η) = 1 + j=1 exp(η j ) exp(ηT x) natural parameter η = (η1 , · · · , ηM−1 )T p(x|η) = h(x)g(η) exp {ηT µ(x)} µ(x) = x h(x) = 1 M−1 −1 g(η) = 1 + j=1 exp(η j ) (id:syou6162) PRML 2.4
  • 13. : 1 p(x|µ, σ) = 1 exp {− 1 σ2(x − µ)2} 2 (2πσ2 ) 2 (2.194) 1 1 1 2 p(x|µ, σ) = 1 exp {− 2σ2 x2 + µ σ2 x − 2σ2 µ} (2πσ2 ) 2 p(x|η) = h(x)g(η) exp {ηT µ(x)} µ/σ2 η= −1/2σ2 x µ(x) = x2 1 h(x) = (2π)− 2 1 η2 g(η) = (−2η2 ) 2 exp ( 4η12 ) (id:syou6162) PRML 2.4
  • 14. 2.4.1 η p(x|η) = h(x)g(η) exp {ηT µ(x)} → g(η) h(x) exp {ηT u(x)}dx + g(η) h(x) exp {ηT u(x)}u(x)dx = 0 − log g(η) = E[u(x)] − log g(η) = cor[u(x)] (id:syou6162) PRML 2.4
  • 15. & i.i.d. X = (x1, · · · , xn ) : p(X|η) = L(η; X) = N N n=1 h(xn ) g(η)N exp ηT n=1 u(xn ) : 1 N − g(ηML ) = N n=1 u(xn ) N n=1 u(xn ) (sufficient statistic) (id:syou6162) PRML 2.4
  • 16. u(x) = x N n=1 xn u(x) = (x, x2 )T N N ( n=1 xn, n=1 x2 )T n ( ) 8 (id:syou6162) PRML 2.4
  • 17. 2.4.2 : ( ) ( ) (id:syou6162) PRML 2.4
  • 18. p(η|χ) = f (χ, ν)g(η)ν exp {νηT χ} = × = p(η|χ) × p(X|η) = f (χ, ν)g(η)ν exp {νηT χ}  N   N   g(η)N exp ηT   h(xn) u(xn )      ×           n=1 n=1     N   T    ∝ g(η) µ+N exp η     u(xn) + νχ       n=1  (id:syou6162) PRML 2.4
  • 19. ν µ(x) χ (id:syou6162) PRML 2.4
  • 20. 2.4.3 ν ν → (id:syou6162) PRML 2.4
  • 21. 2.4.3 λ K 1 p(λ) = K x 1 p(x) = b−a constant 1 1 2 (id:syou6162) PRML 2.4
  • 22. 1: 1 → (improper prior) ( ) (id:syou6162) PRML 2.4
  • 23. (2.3.6 ) p(µ) = N(µ0 , σ2) 0 → µ0 = 0 → σ0 → ∞ → σ2 Nσ20 σ2 /σ2 0 N µN = µ Nσ2 +σ 0 + µ Nσ2 +σ ML = N+σ/σ2 0 µ + µ N+σ/σ2 ML → 0 0 0 0 µML 1 1 N N σ2 = σ2 + σ2 → σ2 N 0 (id:syou6162) PRML 2.4
  • 24. (1/2) h(λ) λ = η2 η = h(η2) ˆ pλ (λ) λ = η2 pη (η) = pλ (λ)| dλ | = pλ (η2 )2η ∝ η dη pλ (λ) pη (η) (id:syou6162) PRML 2.4
  • 25. (2/2) ? (translation invariance) (scale invariance) (id:syou6162) PRML 2.4
  • 26. p(x|µ) = f (x − µ) x x = x+c ˆ µ =µ+c ˆ p(x|µ) = f ( x − µ) = f ((x + c) − (µ + c)) = p( x|µ) ˆ ˆ ˆˆ (id:syou6162) PRML 2.4
  • 27. A≤µ≤B A−c ≤µ≤ B−c B B−c B A p(µ)dµ = p(µ)dµ = A−c A p(µ − c)dµ A B → p(µ − c) = p(µ) p(µ) ? (id:syou6162) PRML 2.4
  • 28. µ µ0 = 0 σ2 Nσ20 µN = µ Nσ2 +σ 0 + µ Nσ2 +σ ML = 0 0 σ2 /σ2 0 N N+σ/σ2 0 µ + µ N+σ/σ2 ML → µML 0 0 σ2 → 0 ∞ µ (id:syou6162) PRML 2.4
  • 29. 1 x σ>0 p(x|σ) = σ f (σ) x x = cx ˆ σ = cσ ˆ 1 x 1 cx 1 cx p(x|σ) = σ f ( σ ) = σ f ( cσ ) = σ f(σ) = ˆ 1 x ˆ 1 x ˆ cσ f ( σ ) = σ f ( σ )p( x|σ) ˆ ˆ ˆ ˆˆ (id:syou6162) PRML 2.4
  • 30. A≤σ≤B A/c ≤ µ ≤ B/c B B/c B A p(σ)dσ = p(σ)dσ = A/c A p( 1 σ) 1 dσ c c A B → p(σ) = p( 1 σ) 1 c c 1 p(σ) ∝ σ ? ? f (x) = 1/x x = 10 f (10/2) × 2 = f (5) × 1 = 0.2 × 1 2 1 2 = 0.1 = f (10) 1/x (id:syou6162) PRML 2.4
  • 31. µ σ N(x|µ, σ2 ) ∝ σ−1 exp{−( x/σ)2 } ˆ x= x−µ ˆ λ = 1/σ2 p(σ) ∝ 1/σ p(λ) ∝ 1/λ 3 3 p(λ) = p(σ) × | dσ | = p(σ) × | − λ− 2 /2| ∝ 1/σ × λ− 2 = dλ 1/2 −3 2 = 1/λ λ ×λ √ σ = 1/λ 3 dσ/dλ = −λ− 2 /2 λ (2.146) Gam(λ|a0 , b0 ) (id:syou6162) PRML 2.4
  • 32. Figure: (2.146) Gam(λ|a, b) a b a=b=0 (id:syou6162) PRML 2.4
  • 33. a0 = 0 b0 = 0 a N = a0 + N2 N bN = 1 n=1 (xn − µ)2 = b0 + N σ2 2 2 ML a0 = 0 b0 = 0 (id:syou6162) PRML 2.4