1.
[勉強会]パターン認識と機械学習
第3章 線形回帰モデル
（p.135 – p.145）
音丸 格
Itaru Otomaru Ph. D. / @itaruotton

2.
線形回帰？
 回帰問題の目標
 与えられたD次元の入力（input）変数のベクトルxの値から、
1つ、あるいは複数の目標（target）変数tの値を予測すること。
 線形回帰モデル
 もっとも単純な形の線形回帰モデルは、入力変数に関しても線形
 通常は、入力関数に関して非線形な関数の固定された集合の
線形結合をとる（基底関数）

3.
3.1 線形基底関数モデル
 定式化
   



1
1
0,
M
j
jjwwy xwx 
• x: 観測値
• w: パラメータ
• φj(x): 基底関数
w0は任意の固定されたオフセット量を許容するバイアスパラメータ。
φ0(x) = 1とおくと、以下のように書ける。
     xwxwx  T
M
j
jjwy  


1
0
,

4.
基底関数の例
 ガウス基底関数
 シグモイド基底関数
  




 

s
x
x
j
j


 
 







 
 2
2
2
exp
s
x
x
j
j



5.
3.1.1 最尤推定と最小二乗法
 「1.2.5 曲線フィッティング再訪」における例が再び出てくる
 尤度関数
 両辺にlogをとって、対数尤度は
    1
1
,|Ν,,| 

  n
T
n
N
n
tp xwwxt
    


N
n
n
T
ntΝp
1
1
,|ln,|ln  xwwt
    

N
n
n
T
n xt
NN
1
2
2
1
2ln
2
ln
2
 w

6.
最尤推定による w の決定
 式(3.11)を w について微分すると
 式(3.13)の左辺を0とおいて、w = ○ の形に書き換えると、
      
    n
N
n
n
T
n
N
n
n
T
nn
t
tp
xxw
xwxwt








1
1
2
22
2
1
,|ln
(3.11)      

N
n
n
T
n xt
NN
p
1
2
2
1
2ln
2
ln
2
,|ln  wwt
(3.13)
 
   



 N
n
T
nn
N
n
n
T
n t
1
1
ML
xx
x
w


       







N
n
N
n
n
T
n
T
nnt
1 1
0 xxwx 

7.
計画行列（design matrix）
 上式の分子を書き下すと
 分母も同様の形で書けるため、wMLは以下の通り書ける。
 Φを計画行列（design matrix）と呼ぶ。
 
   



 N
n
T
nn
N
n
n
T
n t
1
1
ML
xx
x
w


• w = (w0, …, wM-1)T
• Φ = (Φ0, …, ΦM-1)T
ちなみに…
 
     
     
     
tΦ
xxx
xxx
xxx
x T
NNMMM
N
N
N
n
n
T
n
t
t
t
t 































 




2
1
12111
12111
02010
1




  tΦΦΦw TT 1
ML



8.
最尤推定による β の決定
 式(3.11)をβについて微分すると、
 上式の左辺を0とおくと、
      

N
n
n
T
n xt
NN
p
1
2
2
1
2ln
2
ln
2
,|ln  wwt (3.11)
    

N
n
n
T
nt
N
p
1
2
2
11
2
,|ln xwwt 


  
  





N
n
n
T
n
N
n
n
T
n
t
N
t
N
1
2
ML
1
2
11
2
1
2
xw
xw
ML 



(3.21)

9.
3.1.2 最小二乗法の幾何学 (1)
 目標値 t と計画行列 Φ
     
     
     

















NMNN
M
M
xxx
xxx
xxx
Φ
110
212120
111110







φ0 φ1 φM-1















Nt
t
t

2
1
t
N次元ベクトル M個のN次元ベクトル φj からなるN×M次元行列

10.
3.1.2 最小二乗法の幾何学 (2)
 たとえば、N = 3でM = 2だったら…
 t は3次元ベクトルで、3次元空間における1点を示す
 2つの3次元ベクトルφ1とφ2によって、2次元平面 S が定義できる。
図3.2 (pp. 141)

11.
3.1.2 最小二乗法の幾何学 (3)
 n番目の要素が y(xn, w)で与えられるN次元ベクトル y
y
 
 
 
 
     
     
110000
110000
111100100
1
0
1
0
1
1
,
,

















































MM
NMMNN
MM
M
j
Njj
M
j
jj
N
www
www
www
w
w
y
y










xxx
xxx
x
x
wx
wx
つまり、ベクトル y は、ベクトルφjの線形結合であらわされる

12.
3.1.2 最小二乗法の幾何学 (4)
 ベクトル y は、ベクトルφjの線形結合であらわされるので、M次元空間 S 上の
ある1点を表すベクトルである。
 最小二乗解は、部分空間S内にあり、tに最も近いyを選ぶことに相当する
図3.2 (pp. 141)
つまり、ｔの、部分空間Sへの正射影である。

13.
3.1.3 逐次学習
 逐次学習のアルゴリズムは、確率的勾配降下法（stochastic
gradient descent）を適用することで得られる。
 条件：
 パラメータベクトルの更新手順：
1. 現在のパラメータベクトル wτ
2. データx1,…,xNの中から一つランダムにピックアップ
3. 選んだデータに対応する勾配でパラメータ更新
 n nEE
コスト値は、個々の学習データ（n=1,…,N）に対する
コスト値の和に等しい
nE
 )()1(
ww
参考：SGD+α：確率的勾配降下法の現在と未来
http://www.slideshare.net/kisa12012/sgd-future-best-27314417

14.
3.1.4 正則化最小二乗法
 正則化項を加えた時の最小二乗解の導出
 正則化項を加えた誤差関数
 上式を展開
 wについて微分
 上式を0とおくと
  

N
n
T
n
T
n xt
1
2
22
1
www

 (3.27)
     wwwww T
N
n
n
T
N
n
n
T
n
N
n
n xxtt
22
1
2
1
1
2
11
2 
   
    ww    
N
n
n
N
n
nn xxt
1
2
1
    







N
n
nn
N
n
n xtx
11
2
 Iw
計画行列Φを用いて左式を整理して
  tΦΦΦIw TT 1
 
(3.28)

15.
一般的な正則化誤差項
 式(3.27)は、正則化コストがwの二乗で効く場合である。
より一般的には、下式で表される。
 異なる q の値に対する正則化関数の等高線表示
    

N
n
M
j
q
jn
T
n wxt
1 1
2
22
1 
w (3.29)
M: パラメータの次元数
特に、q = 1のときを、lassoと呼ぶ 図3.3 (pp. 143)

16.
Lassoによって疎な解が得られるイメージ
q = 2の場合 q = 1の場合
青線：正則化されていない誤差関数の等高線表示
赤線で囲まれた領域：正則化項の制約条件を満たす領域
 q = 2の場合、正則化項の制約条件を満たしかつ誤差関数を最小化するwは、
w1 ≠ 0 かつw2 ≠ 0
 一方、q = 1の場合は、w1 ＝ 0

17.
3.1.5 出力変数が多次元の場合
 これまでは、出力変数 t が1次元の場合を議論してきた。
一方、t が K 次元の場合でも、同様に最尤解を求めることができる。
  TΦΦΦW TT 1
ML

 (3.34)