SlideShare a Scribd company logo
1 of 101
n
•
•
•
•
n
•
•
n
n
•
•
•
n
•
n
•
!
"
n
•
n
•
!
"
n
•
#
n
•
!
"
n
•
#
n
•
•
•
n
n
n
•
•
n
•
•
•
n
•
•
n
•
•
•
n
•
•
n
•
•
•
n
•
•
n
•
•
•
n
•
•
n
•
•
•
n
•
•
n
•
•
•
“ ”
• “ ”
• “ ”
n
•
•
n
•
•
•
“ ”
• “ ”
• “ ”
n
•
•
•
n
•
•
n
•
n
•
n
•
n
n
n
n ! = #$ $%&
'
•
n
•
•
•
n
n
•
•
n
•
n
n ! = #$ $%&
'
• # ∼ ) # , supp ) ⊆ 0, 1 1
n
•
• 2 ∶= # ∣ ) # > 6
! 2
7
82 ≔ {# ∣ 7 # > 0}
#
6
2
) #
n
• ! ∶= $ ∣ & $ > (
• !) ∶= $ ∣ & $ ≤ (
n
• ! ≈ ,! = {$ ∣ . $ > 0} .
n
• min$ % & ≔ ( ) △ +)
) = - ∣ / - > 1 +) = {- ∣ & - > 0}
•
/
n
• min$∈ℱ 7 &
•
8′ = :; ;<=
>
: ∼ @ : , @ 0, 1 C
8 D = 1
8′ D = −1
7(&) ≔
1
1 + 1
IJ∼KL sign & - = −1 +
1
1 + 1
IO∼PL sign(& : ) = 1
) △ +) ) +)
n
• ! " # = 1 = & "
• ! " # = −1 = ( "
n
• ! ", # = ! " # = 1 ! # = 1 + ! " # = −1 ! # = −1
= +& " + 1 − + ((")
• + = 1/1 + /
"
( "
"
/
& "
0
120
( "
"
0
120
1
120
& "
"
0
120
3 " > 0 3 " ≤ 0
7
n
•
! " = 1 =
%
%&'
, ! ) " = 1 = *())
•
! " = −1 =
'
%&'
, ! ) " = −1 = .())
min2∈ℱ 5 6
≔
1
1 + 9
:;∼=> sign 6 ) = −1
+
9
1 + 9
:A∼B> sign(6 C ) = 1
n
• ! ∶= $ ∣ & $ > (
• !) ∶= $ ∣ & $ ≤ (
n
• ! ≈ ,! = {$ ∣ . $ > 0} .
n
• . = argmin7∈ℱ : .
:(.) ≔
1
1 + (
@A∼CD sign . $ = −1 +
(
1 + (
@G∼HD sign(. I ) = 1
! " ≔ $ △ &$ = | ) > + △ " > 0 |
- " ≔
.
./0
12∼45 sign " : = −1 +
0
./0
1>∼?5 sign " @ = 1
n
• ("B) ! "B → 0 ⇔ - "B → -FGH
• ! " = 0 ⇔ - " = -FGH
• ) :
•
n
• " ℱ J → ∞ ! &" = 0
n
• ! ∶= $ ∣ & $ > (
• !) ∶= $ ∣ & $ ≤ (
n
• + = argmin2∈ℱ 5 +
n
• + ℱ
5(+) ≔
1
1 + (
;<∼>? sign + $ = −1 +
(
1 + (
;B∼C? sign(+ D ) = 1
n
• ! " ≔
$
$%&
'(∼*+ sign " 0 = −1 +
&
$%&
'5∼6+ sign " 7 = 1
n
•
• + sign(" 0 ) = :
→ ℓ " 0 , : : = max{0, 1 − :" 0 }
•
E!(") ≔
1
1 + F G
H
IJ$
K
ℓ " 0I , −1 +
F
1 + F L
H
MJ$
N
ℓ " 7M , 1
n
n
n
n
n
n
n
•
n
•
! = # $ ∈ ℝ'
$()
*
+ = , - ∈ ℝ'
-()
.
• / ⊆ 1 ≔ {1, 2, … , 1}
n
• ! = # $
$()
*
+ = , -
-()
.
/ ⊆ 1
n ! ⊆ [$]
• & = ( )
)*+
,
∼ . / , 1 = 2 3
3*+
4
∼ 5(/)
• ! ⊆ $
. /89 = 5(/89)
. /89∪{<} ≠ 5(/89∪{<})
., 5
•
•
∀@ ∈ !
!
!B
. = 5
. ≠ 5 . ≠ 5
n ! ⊆ #
• $ %&' = ) %&'
• $ %&'∪{,} ≠ )(%&'∪{,})
n !
n
• !""# = dist(*""#, ,""#) (., .′)
!""# = 0
= 0, (if *""# = ,""#)
> 0, (if *""# ≠ ,""#)
n
• !""# = dist(*""#, ,""#) (., .′)
!""# = 0
= 0, (if *""# = ,""#)
> 0, (if *""# ≠ ,""#)
* 567 = ,(567)
* 567∪{"} ≠ ,(567∪{"})
∀. ∈ =
=
n
• !""# = dist(*""#, ,""#) (., .′)
!""# = 0
= 0, (if *""# = ,""#)
> 0, (if *""# ≠ ,""#)
* 567 = ,(567)
* 567∪{"} ≠ ,(567∪{"})
;
;<
> 0
= 0! =
;<
;
∀. ∈ ;
;
n
• !""# = dist(*""#, ,""#) (., .′)
!""# = 0
= 0, (if *""# = ,""#)
> 0, (if *""# ≠ ,""#)
* 567 = ,(567)
* 567∪{"} ≠ ,(567∪{"})
;
;<
> 0
= 0! =
;<
; ;
;<
∀. ∈ ;
;
!
n
• "##$ = dist(+##$, -##$) (/, /′)
"##$ = 1
= 0, (if +##$ = -##$)
> 0, (if +##$ ≠ -##$)
+ 678 = -(678)
+ 678∪{#} ≠ -(678∪{#})
!
!<
> 0
= 0" =
!<
! !
!<
∀/ ∈ !
"##$ = dist(+##$, -##$)
dist(&''(, *''()
n
• ,-
. / = ∫2-
3
& / 4/ 5(/) = ∫2-
3
* / 4/
KS &, * ≔ sup
3
|. / − 5(/)|
n
• =(>log>)
•
Pr KS &, ̂& ≤ F ≥ 1 − 2 exp(−2FL>)
& ̂&
/
. /
5(/)
KS(&, *)
dist(&''(, *''()
n
• ,-
. / = ∫2-
3
& / 4/ 5(/) = ∫2-
3
* / 4/
KS &, * ≔ sup
3
|. / − 5(/)|
n
•
• dist(&''(, *''()
/
. /
5(/)
KS(&, *)
n
n
•
!" ≔ $%cos) + $+sin)
KS(1(!"), 4(!"))
• )
$%
$+
E"∼789:;<=[KS (1(!"), 4(!"))]
n
n
•
! !", !$, … , !& ∼ Uniform
/"
/$
E1∼2345678[KS (=(>1), @(>1))]
=
1
D
E
FG"
&
KS (=(>1H
), @(>1H
))
n
• !""# = dist(*""#, ,""#) (., .′)
!""# = 0
= 0, (if *""# = ,""#)
> 0, (if *""# ≠ ,""#)
* 567 = ,(567)
* 567∪{"} ≠ ,(567∪{"})
;
;
;<
> 0
= 0! =
;<
; ;
;<
∀. ∈ ;
!""# = dist(*""#, ,""#)
n !
•
n
•
• "( $ − ! $)
' "($()*log*)
./0
= argmin78∈ : ;
<,<>∈ 78
:
'<<> , s. t. /0
= ! !
n
• !""# = dist(*""#, ,""#) (., .′)
!""# = 0
= 0, (if *""# = ,""#)
> 0, (if *""# ≠ ,""#)
* 567 = ,(567)
* 567∪{"} ≠ ,(567∪{"})
;
;
;<
> 0
= 0! =
;<
; ;
;<
∀. ∈ ;
!""# = dist(*""#, ,""#)
n ! ⊆ #
• $ %&' = ) %&'
• $ %&'∪{,} ≠ )(%&'∪{,})
n !
n 1
• 2!3 = argmin&'∈ ; ∑,,,>∈ &'
;
?,,> , s. t. !3 = 1
?,,> = dist($,,>, ),,>)
!"
n
• ∀$ ∈ "
&'' > 0 ∀$* ≠ $, &''- > 0.
n !"
• /, 0
Pr !" ≠ " ≤ 45exp −
/:
8<= > + 5 5 − 1 exp −20> + exp −
/:
8<= B
•
lim
F→H
Pr !" ≠ " = 0
• J
> = K
<=
/: log
5
J
"
"N
> 0
= 0
& =
n ! ⊆ #
• $ %&' = ) %&'
• $ %&'∪{,} ≠ )(%&'∪{,})
n 1
• 2!3 = argmin&'∈ ; ∑,,,>∈ &'
;
?,,> , s. t. !3 = 1
?,,> = dist($,,>, ),,>)
n
n
•
•
n
•
n
• ! "
• ! " #
!
n
n
n
n
•
n
•
n
n ! = #$ = %$, '$ ∈ ℝ*
×ℝ $,-
.
n ' = / %; 1 1
• / %; 1 = 1, %
• / %; 1 =
n
21 = argmin
9
:
;∈<
ℓ(#; 1) ℓ
n
!
! ∖ #$
%& = argmin
.
/
0∈2
ℓ(#; &) %&7$ = argmin
.
/
0∈2∖ 08
ℓ(#; &)
#$
#$
#$
n
• ! "#
! ∖ "#
• %&'# = argmin
/
∑1∈3∖ 14
ℓ("; &)
%& "#
9& = argmin
/
:
1∈3
ℓ("; &) 9&'# = argmin
/
:
1∈3∖ 14
ℓ("; &)
n
• ! " = !, %&'( − %&
%&'(
n
• *+ ! = ∑-∈/0
∇2ℓ(5; %&)
•
!, %&'( − %& ≈ 9
-∈/0
ℓ 5; %&'( − ℓ 5; %&
• !, %&'( − %&/ ≈
n
• ! = #$ = %$, '$ $()
*
• +,
• -
. = 1, 2, … , 2
34 = -, +,54 − +,
+. = argmin
4
34
! ← ! ∖ #+4
n !"#$
• %"#$
%"#$ = argmin
-
.
/∈1∖ /3
ℓ(6; ")
n !"#$ − !"
•
%"#$ − %"
n
• ! " = !, %&'( − %& *(
n +&'( − +&
•
•
n !"#$ − !"
n
• &"#$ − &"
ℓ (; " =
+
,
- − ", / ,
• &"#$ − &"
n ℓ "; $ =
&
'
( − $, + '
• , = +&, +', … , +.
/ ∈ ℝ. ×3
• ,/,
4$56 − 4$ =
4$, +6 − (6
1 − +6
/ ,/, 5&+6
,/
, 5&
+6
n
• !" #$%&'# !" = #$%&')&'
%&'
)&' = # *" + %&'
,-
(/ − 1(# *"))
•
• #∗ = %&'
-/5
# /∗ = %&'
-/5
)&'
• #$%&'#
*",6 − *" =
*", 86
∗
− /6
∗
1 − 8∗
6
$
#∗$#∗ ,-86
∗
#∗$
#∗ ,-
86
∗
n ℓ "; $
• %&' =
)
*
∑,-)
*
∇'
/
ℓ(",; 1$)
•
3$45 − 3$ ≈ −
1
9
%&'
4)
∇'ℓ("5; 3$)
n
n
•
•
n
•
•
n
• ! " = !, %&'( − %& *(
n +&'( − +&
•
•
n
•
•
n
• ! " = !, %&'( − %& *(
n +&'( − +&
•
•
n
•
•
•
n
!"#$ − !"
•
•
n
•
• &"#$ − &"
!"#$ − !"
n
• ! "
← !$
• % = 1, 2, … , +
,- ←
"
|/0|
∑2∈/0
∇5ℓ(8; ! - )
! -;"
← ! -
− =-,-
! " = !$
! >
! ?
! @
! A
! B
! C
! D
! E
F-
=-
n !
• "#$
%
← "'
• ( = 1, 2, … , .
/#$,0 ←
%
|23|
∑5∈23∖{59} ∇<ℓ(?; "#$
0
)
"#$
0B%
← "#$
0
− D0/#$,0
" % = "'
" E
" F
" G
" H
" I
" J
" K
" L
?$ ∈ M0
N3
|23|
∇<ℓ(?$; " 0
)
M0
D0
n !
• "#$
%
← "'
• ( = 1, 2, … , .
/#$,0 ←
%
|23|
∑5∈23∖{59} ∇<ℓ(?; "#$
0
)
"#$
0B%
← "#$
0
− D0/#$,0
" % = "'
" E
" F
" G
" H
" I
" J
" K
" L
?$ ∈ M0
?$ ∈ M0
N3
|23|
∇<ℓ(?$; " 0
)
M0
D0
n !
• "#$
%
← "'
• ( = 1, 2, … , .
/#$,0 ←
%
|23|
∑5∈23∖{59} ∇<ℓ(?; "#$
0
)
"#$
0B%
← "#$
0
− D0/#$,0
E0
D0
" % = "'
" F
" G
" H
" I
" J
" K
" L
" M
?$ ∈ E0
?$ ∈ E0
?$ ∈ E0
"#$
M
N3
|23|
∇<ℓ(?$; " 0
)
n
• ! ̃#$ = !, '($
)
− ' )
+
!"#
$
− ! $
n &#
n !"#
$
− ! $
Δ!"# ≔
)* #
+* #
,$"-,$". … ,* # 0-∇2ℓ(&#; ! * # )
• 7 8 &#
• ,9 ≔ : − )9;9
• ;9 ≔
-
<=
∑?∈<=
∇2
.
ℓ(&; ! 9 )
A
!"#
$
− ! $
n &
!"#
'()
− ! '()
= !"#
'
− +',"#,' − ! '
− +','
= !"#
'
− ! '
− +' ,"#,' − ,'
•
,"#,' − ,' ≈ /'(!"#
'
− ! ' )
n
!"#
$
− ! $
≈ (2 − +$")/$"))(!"#
$")
− ! $")
)
≈ 3$")3$"4 … 36 # ()(!"#
6 # ()
− ! 6 # ()
)
= 3$")3$"4 … 36 # ()
78 9
:8 9
∇<ℓ(>#; ! 6 #
)
3$")
n
• ! " = !, %&'( − %& *(
n +&'( − +&
•
•
n
•
•
•
Δ&'( ≔
./ (
0/ (
12'312'4 … 1/ ( 63∇8ℓ(*(; & / ( )
n
• !, Λ > 0 !& ≼ ∇)
*
ℓ(-; /) ≼ Λ&
n
• -1
/21
3
− / 3
− Δ/21 ≤ 2(ℎ1 ! * + ℎ1 Λ *)
ℎ1(:) ≔
<= >
?= >
∏ABC 1 DE
32E
1 − GA: ∇)ℓ -1; / C 1
Δ/21 /21
3
− / 3
n
• ∇"
#
ℓ %; '( − ∇"
#
ℓ(%; '#) ≤ - '( − '#
n
• ∇"ℓ(%; ') ≤ . ∇"
#
ℓ(%; ') ≼ Λ1
2 = 4(5/ 7)
• %8
'98
:
− ' :
− Δ'98 ≤
<=:>=?
@
expD <@ :
7
Δ'98 '98
:
− ' :
n
• ! " = !, %&'( − %& *(
n +&'( − +&
•
•
•
n
• !
• "
!"# = %, '(#
)
− '
)
n
• (,-, .-, ' - )
n 0 ̂"# = %, Δ'(#
̂"# ← 0, ∀0
6 = 7 − 1, 7 − 2, …
(,-, .-, ' - )
̂"# ← ̂"# +
<=
>=
%, ∇@ℓ(B#; ' - ) , ∀B# ∈ ,-
% % ← % − .-E-%
%
!"# = %, '(#
)
− '
)
n Δ'(#
• Δ'(# ≔
-. /
0. /
1)(21)(3 … 15 # 62∇8ℓ(;#; ' 5 #
)
> ?
•
>2 ? , >3 ? , … >@ ? ;#
Δ'(# ≔ A
BC2
@
D5E #
F5E #
1)(21)(3 … 15E # 62∇8ℓ(;#; ' 5E # )
!"# = %, '(#
)
− '
)
n Δ'(# ̂"# = %, Δ'(#
̂"# = %, Δ'(# = -
./0
1
234 #
534 #
%, 6)(06)(7 … 634 # 90∇;ℓ(>#; ' 34 # )
n
• % A ≔ 6A906A97 … 6)(0%
̂"# = %, Δ'(# = -
./0
1
234 #
534 #
% 34 # , ∇;ℓ(>#; ' 34 # )
• % A
% A = 6A90% A90 = % A90 − 2ACA% A90
!
n ! ! ← ! − $%&%!
&% =
(
)*
∑,∈)*
∇/
0
ℓ(3; 5 % )
• ∇/
0
ℓ(3; 5 % )
n
• ∇/
0
ℓ 3; 5 % !
• ∇/
0
ℓ 3; 5 % ! = ∇/ ∇/ℓ 3; 5 % , !
n
• ̃"# = %, '(#
)
− ' )
n
•
n
•
•
•
n
•
•
n
n
n
!"# = %, '(#
)
− ' )
• %
% = ∑,∈./
∇1ℓ(4; 6') , %, '(# − ' ≈ ∑,∈./
ℓ 4; '(# − ℓ 4; '
n
• ̃"# = %, '(#
)
− ' )
̃"# = %, '(#
)
− ' )
n
n
Kendall’s tau Jaccard Index
K&L K&L
Adult .93 (.02) .85 (.07) .80 (.10) .60 (.17)
20News .94 (.05) .82 (.15) .79 (.15) .52 (.19)
MNIST .95 (.02) .70 (.15) .83 (.10) .41 (.16)
%, '(#
)
− ' )
%, '(#
)
− ' )
%, '(#
)
− ' )
̃"# = %, '(#
)
− ' )
n
n
Kendall’s tau Jaccard Index
K&L K&L
Adult .75 (.10) .54 (.12) .59 (.16) .32 (.11)
20News .45 (.12) .37 (.12) .25 (.08) .11 (.07)
MNIST .45 (.12) .27 (.16) .37 (.15) .27 (.12)
%, '(#
)
− ' )
%, '(#
)
− ' )
%, '(#
)
− ' )
n
n
n
•
•
•
̃"# = %, '(#
)
− ' )
•
n
• !" #
#
• •
#
n
n
n
n
n
n
•
•
•
n
•
n
•
•
n
•
•
•
“ ”
• “ ”
• “ ”

More Related Content

What's hot

混合モデルとEMアルゴリズム(PRML第9章)
混合モデルとEMアルゴリズム(PRML第9章)混合モデルとEMアルゴリズム(PRML第9章)
混合モデルとEMアルゴリズム(PRML第9章)Takao Yamanaka
 
混合ガウスモデルとEMアルゴリスム
混合ガウスモデルとEMアルゴリスム混合ガウスモデルとEMアルゴリスム
混合ガウスモデルとEMアルゴリスム貴之 八木
 
グラフィカルモデル入門
グラフィカルモデル入門グラフィカルモデル入門
グラフィカルモデル入門Kawamoto_Kazuhiko
 
なぜベイズ統計はリスク分析に向いているのか? その哲学上および実用上の理由
なぜベイズ統計はリスク分析に向いているのか? その哲学上および実用上の理由なぜベイズ統計はリスク分析に向いているのか? その哲学上および実用上の理由
なぜベイズ統計はリスク分析に向いているのか? その哲学上および実用上の理由takehikoihayashi
 
科学と機械学習のあいだ:変量の設計・変換・選択・交互作用・線形性
科学と機械学習のあいだ:変量の設計・変換・選択・交互作用・線形性科学と機械学習のあいだ:変量の設計・変換・選択・交互作用・線形性
科学と機械学習のあいだ:変量の設計・変換・選択・交互作用・線形性Ichigaku Takigawa
 
5分でわかるベイズ確率
5分でわかるベイズ確率5分でわかるベイズ確率
5分でわかるベイズ確率hoxo_m
 
Rubinの論文(の行間)を読んでみる-傾向スコアの理論-
Rubinの論文(の行間)を読んでみる-傾向スコアの理論-Rubinの論文(の行間)を読んでみる-傾向スコアの理論-
Rubinの論文(の行間)を読んでみる-傾向スコアの理論-Koichiro Gibo
 
統計学勉強会#2
統計学勉強会#2統計学勉強会#2
統計学勉強会#2Hidehisa Arai
 
変分推論法(変分ベイズ法)(PRML第10章)
変分推論法(変分ベイズ法)(PRML第10章)変分推論法(変分ベイズ法)(PRML第10章)
変分推論法(変分ベイズ法)(PRML第10章)Takao Yamanaka
 
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定Akira Masuda
 
3分でわかる多項分布とディリクレ分布
3分でわかる多項分布とディリクレ分布3分でわかる多項分布とディリクレ分布
3分でわかる多項分布とディリクレ分布Junya Saito
 
トピックモデルの基礎と応用
トピックモデルの基礎と応用トピックモデルの基礎と応用
トピックモデルの基礎と応用Tomonari Masada
 
ベイズ推定の概要@広島ベイズ塾
ベイズ推定の概要@広島ベイズ塾ベイズ推定の概要@広島ベイズ塾
ベイズ推定の概要@広島ベイズ塾Yoshitake Takebayashi
 
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)Satoshi Hara
 
「生態学における統計的因果推論」という大ネタへの挑戦:その理論的背景と適用事例
「生態学における統計的因果推論」という大ネタへの挑戦:その理論的背景と適用事例「生態学における統計的因果推論」という大ネタへの挑戦:その理論的背景と適用事例
「生態学における統計的因果推論」という大ネタへの挑戦:その理論的背景と適用事例takehikoihayashi
 
データ解析7 主成分分析の基礎
データ解析7 主成分分析の基礎データ解析7 主成分分析の基礎
データ解析7 主成分分析の基礎Hirotaka Hachiya
 

What's hot (20)

混合モデルとEMアルゴリズム(PRML第9章)
混合モデルとEMアルゴリズム(PRML第9章)混合モデルとEMアルゴリズム(PRML第9章)
混合モデルとEMアルゴリズム(PRML第9章)
 
統計分析
統計分析統計分析
統計分析
 
混合ガウスモデルとEMアルゴリスム
混合ガウスモデルとEMアルゴリスム混合ガウスモデルとEMアルゴリスム
混合ガウスモデルとEMアルゴリスム
 
グラフィカルモデル入門
グラフィカルモデル入門グラフィカルモデル入門
グラフィカルモデル入門
 
なぜベイズ統計はリスク分析に向いているのか? その哲学上および実用上の理由
なぜベイズ統計はリスク分析に向いているのか? その哲学上および実用上の理由なぜベイズ統計はリスク分析に向いているのか? その哲学上および実用上の理由
なぜベイズ統計はリスク分析に向いているのか? その哲学上および実用上の理由
 
科学と機械学習のあいだ:変量の設計・変換・選択・交互作用・線形性
科学と機械学習のあいだ:変量の設計・変換・選択・交互作用・線形性科学と機械学習のあいだ:変量の設計・変換・選択・交互作用・線形性
科学と機械学習のあいだ:変量の設計・変換・選択・交互作用・線形性
 
5分でわかるベイズ確率
5分でわかるベイズ確率5分でわかるベイズ確率
5分でわかるベイズ確率
 
Rubinの論文(の行間)を読んでみる-傾向スコアの理論-
Rubinの論文(の行間)を読んでみる-傾向スコアの理論-Rubinの論文(の行間)を読んでみる-傾向スコアの理論-
Rubinの論文(の行間)を読んでみる-傾向スコアの理論-
 
機械学習と主成分分析
機械学習と主成分分析機械学習と主成分分析
機械学習と主成分分析
 
統計学勉強会#2
統計学勉強会#2統計学勉強会#2
統計学勉強会#2
 
変分推論法(変分ベイズ法)(PRML第10章)
変分推論法(変分ベイズ法)(PRML第10章)変分推論法(変分ベイズ法)(PRML第10章)
変分推論法(変分ベイズ法)(PRML第10章)
 
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
 
3分でわかる多項分布とディリクレ分布
3分でわかる多項分布とディリクレ分布3分でわかる多項分布とディリクレ分布
3分でわかる多項分布とディリクレ分布
 
Rによるベイジアンネットワーク入門
Rによるベイジアンネットワーク入門Rによるベイジアンネットワーク入門
Rによるベイジアンネットワーク入門
 
トピックモデルの基礎と応用
トピックモデルの基礎と応用トピックモデルの基礎と応用
トピックモデルの基礎と応用
 
ベイズ推定の概要@広島ベイズ塾
ベイズ推定の概要@広島ベイズ塾ベイズ推定の概要@広島ベイズ塾
ベイズ推定の概要@広島ベイズ塾
 
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
 
正準相関分析
正準相関分析正準相関分析
正準相関分析
 
「生態学における統計的因果推論」という大ネタへの挑戦:その理論的背景と適用事例
「生態学における統計的因果推論」という大ネタへの挑戦:その理論的背景と適用事例「生態学における統計的因果推論」という大ネタへの挑戦:その理論的背景と適用事例
「生態学における統計的因果推論」という大ネタへの挑戦:その理論的背景と適用事例
 
データ解析7 主成分分析の基礎
データ解析7 主成分分析の基礎データ解析7 主成分分析の基礎
データ解析7 主成分分析の基礎
 

More from Satoshi Hara

Explanation in Machine Learning and Its Reliability
Explanation in Machine Learning and Its ReliabilityExplanation in Machine Learning and Its Reliability
Explanation in Machine Learning and Its ReliabilitySatoshi Hara
 
“機械学習の説明”の信頼性
“機械学習の説明”の信頼性“機械学習の説明”の信頼性
“機械学習の説明”の信頼性Satoshi Hara
 
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
【論文調査】XAI技術の効能を ユーザ実験で評価する研究【論文調査】XAI技術の効能を ユーザ実験で評価する研究
【論文調査】XAI技術の効能を ユーザ実験で評価する研究Satoshi Hara
 
Convex Hull Approximation of Nearly Optimal Lasso Solutions
Convex Hull Approximation of Nearly Optimal Lasso SolutionsConvex Hull Approximation of Nearly Optimal Lasso Solutions
Convex Hull Approximation of Nearly Optimal Lasso SolutionsSatoshi Hara
 
Theoretical Linear Convergence of Unfolded ISTA and its Practical Weights and...
Theoretical Linear Convergence of Unfolded ISTA and its Practical Weights and...Theoretical Linear Convergence of Unfolded ISTA and its Practical Weights and...
Theoretical Linear Convergence of Unfolded ISTA and its Practical Weights and...Satoshi Hara
 
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明Satoshi Hara
 
Maximally Invariant Data Perturbation as Explanation
Maximally Invariant Data Perturbation as ExplanationMaximally Invariant Data Perturbation as Explanation
Maximally Invariant Data Perturbation as ExplanationSatoshi Hara
 
アンサンブル木モデル解釈のためのモデル簡略化法
アンサンブル木モデル解釈のためのモデル簡略化法アンサンブル木モデル解釈のためのモデル簡略化法
アンサンブル木モデル解釈のためのモデル簡略化法Satoshi Hara
 
機械学習モデルの列挙
機械学習モデルの列挙機械学習モデルの列挙
機械学習モデルの列挙Satoshi Hara
 
KDD'17読み会:Anomaly Detection with Robust Deep Autoencoders
KDD'17読み会:Anomaly Detection with Robust Deep AutoencodersKDD'17読み会:Anomaly Detection with Robust Deep Autoencoders
KDD'17読み会:Anomaly Detection with Robust Deep AutoencodersSatoshi Hara
 
特徴選択のためのLasso解列挙
特徴選択のためのLasso解列挙特徴選択のためのLasso解列挙
特徴選択のためのLasso解列挙Satoshi Hara
 

More from Satoshi Hara (11)

Explanation in Machine Learning and Its Reliability
Explanation in Machine Learning and Its ReliabilityExplanation in Machine Learning and Its Reliability
Explanation in Machine Learning and Its Reliability
 
“機械学習の説明”の信頼性
“機械学習の説明”の信頼性“機械学習の説明”の信頼性
“機械学習の説明”の信頼性
 
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
【論文調査】XAI技術の効能を ユーザ実験で評価する研究【論文調査】XAI技術の効能を ユーザ実験で評価する研究
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
 
Convex Hull Approximation of Nearly Optimal Lasso Solutions
Convex Hull Approximation of Nearly Optimal Lasso SolutionsConvex Hull Approximation of Nearly Optimal Lasso Solutions
Convex Hull Approximation of Nearly Optimal Lasso Solutions
 
Theoretical Linear Convergence of Unfolded ISTA and its Practical Weights and...
Theoretical Linear Convergence of Unfolded ISTA and its Practical Weights and...Theoretical Linear Convergence of Unfolded ISTA and its Practical Weights and...
Theoretical Linear Convergence of Unfolded ISTA and its Practical Weights and...
 
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
 
Maximally Invariant Data Perturbation as Explanation
Maximally Invariant Data Perturbation as ExplanationMaximally Invariant Data Perturbation as Explanation
Maximally Invariant Data Perturbation as Explanation
 
アンサンブル木モデル解釈のためのモデル簡略化法
アンサンブル木モデル解釈のためのモデル簡略化法アンサンブル木モデル解釈のためのモデル簡略化法
アンサンブル木モデル解釈のためのモデル簡略化法
 
機械学習モデルの列挙
機械学習モデルの列挙機械学習モデルの列挙
機械学習モデルの列挙
 
KDD'17読み会:Anomaly Detection with Robust Deep Autoencoders
KDD'17読み会:Anomaly Detection with Robust Deep AutoencodersKDD'17読み会:Anomaly Detection with Robust Deep Autoencoders
KDD'17読み会:Anomaly Detection with Robust Deep Autoencoders
 
特徴選択のためのLasso解列挙
特徴選択のためのLasso解列挙特徴選択のためのLasso解列挙
特徴選択のためのLasso解列挙
 

異常の定義と推定

  • 1.
  • 17.
  • 18. n n
  • 19. n ! = #$ $%& ' • n • • • n
  • 21. n ! = #$ $%& ' • # ∼ ) # , supp ) ⊆ 0, 1 1 n • • 2 ∶= # ∣ ) # > 6 ! 2 7 82 ≔ {# ∣ 7 # > 0} # 6 2 ) #
  • 22. n • ! ∶= $ ∣ & $ > ( • !) ∶= $ ∣ & $ ≤ ( n • ! ≈ ,! = {$ ∣ . $ > 0} .
  • 23. n • min$ % & ≔ ( ) △ +) ) = - ∣ / - > 1 +) = {- ∣ & - > 0} • / n • min$∈ℱ 7 & • 8′ = :; ;<= > : ∼ @ : , @ 0, 1 C 8 D = 1 8′ D = −1 7(&) ≔ 1 1 + 1 IJ∼KL sign & - = −1 + 1 1 + 1 IO∼PL sign(& : ) = 1 ) △ +) ) +)
  • 24. n • ! " # = 1 = & " • ! " # = −1 = ( " n • ! ", # = ! " # = 1 ! # = 1 + ! " # = −1 ! # = −1 = +& " + 1 − + ((") • + = 1/1 + / " ( " " / & " 0 120 ( " " 0 120 1 120 & " " 0 120 3 " > 0 3 " ≤ 0 7
  • 25. n • ! " = 1 = % %&' , ! ) " = 1 = *()) • ! " = −1 = ' %&' , ! ) " = −1 = .()) min2∈ℱ 5 6 ≔ 1 1 + 9 :;∼=> sign 6 ) = −1 + 9 1 + 9 :A∼B> sign(6 C ) = 1
  • 26. n • ! ∶= $ ∣ & $ > ( • !) ∶= $ ∣ & $ ≤ ( n • ! ≈ ,! = {$ ∣ . $ > 0} . n • . = argmin7∈ℱ : . :(.) ≔ 1 1 + ( @A∼CD sign . $ = −1 + ( 1 + ( @G∼HD sign(. I ) = 1
  • 27. ! " ≔ $ △ &$ = | ) > + △ " > 0 | - " ≔ . ./0 12∼45 sign " : = −1 + 0 ./0 1>∼?5 sign " @ = 1 n • ("B) ! "B → 0 ⇔ - "B → -FGH • ! " = 0 ⇔ - " = -FGH • ) : • n • " ℱ J → ∞ ! &" = 0
  • 28. n • ! ∶= $ ∣ & $ > ( • !) ∶= $ ∣ & $ ≤ ( n • + = argmin2∈ℱ 5 + n • + ℱ 5(+) ≔ 1 1 + ( ;<∼>? sign + $ = −1 + ( 1 + ( ;B∼C? sign(+ D ) = 1
  • 29. n • ! " ≔ $ $%& '(∼*+ sign " 0 = −1 + & $%& '5∼6+ sign " 7 = 1 n • • + sign(" 0 ) = : → ℓ " 0 , : : = max{0, 1 − :" 0 } • E!(") ≔ 1 1 + F G H IJ$ K ℓ " 0I , −1 + F 1 + F L H MJ$ N ℓ " 7M , 1
  • 30. n
  • 31. n
  • 32. n
  • 33.
  • 34. n n n
  • 35. n • n • ! = # $ ∈ ℝ' $() * + = , - ∈ ℝ' -() . • / ⊆ 1 ≔ {1, 2, … , 1} n • ! = # $ $() * + = , - -() . / ⊆ 1
  • 36. n ! ⊆ [$] • & = ( ) )*+ , ∼ . / , 1 = 2 3 3*+ 4 ∼ 5(/) • ! ⊆ $ . /89 = 5(/89) . /89∪{<} ≠ 5(/89∪{<}) ., 5 • • ∀@ ∈ ! ! !B . = 5 . ≠ 5 . ≠ 5
  • 37. n ! ⊆ # • $ %&' = ) %&' • $ %&'∪{,} ≠ )(%&'∪{,}) n !
  • 38. n • !""# = dist(*""#, ,""#) (., .′) !""# = 0 = 0, (if *""# = ,""#) > 0, (if *""# ≠ ,""#)
  • 39. n • !""# = dist(*""#, ,""#) (., .′) !""# = 0 = 0, (if *""# = ,""#) > 0, (if *""# ≠ ,""#) * 567 = ,(567) * 567∪{"} ≠ ,(567∪{"}) ∀. ∈ = =
  • 40. n • !""# = dist(*""#, ,""#) (., .′) !""# = 0 = 0, (if *""# = ,""#) > 0, (if *""# ≠ ,""#) * 567 = ,(567) * 567∪{"} ≠ ,(567∪{"}) ; ;< > 0 = 0! = ;< ; ∀. ∈ ; ;
  • 41. n • !""# = dist(*""#, ,""#) (., .′) !""# = 0 = 0, (if *""# = ,""#) > 0, (if *""# ≠ ,""#) * 567 = ,(567) * 567∪{"} ≠ ,(567∪{"}) ; ;< > 0 = 0! = ;< ; ; ;< ∀. ∈ ; ;
  • 42. ! n • "##$ = dist(+##$, -##$) (/, /′) "##$ = 1 = 0, (if +##$ = -##$) > 0, (if +##$ ≠ -##$) + 678 = -(678) + 678∪{#} ≠ -(678∪{#}) ! !< > 0 = 0" = !< ! ! !< ∀/ ∈ ! "##$ = dist(+##$, -##$)
  • 43. dist(&''(, *''() n • ,- . / = ∫2- 3 & / 4/ 5(/) = ∫2- 3 * / 4/ KS &, * ≔ sup 3 |. / − 5(/)| n • =(>log>) • Pr KS &, ̂& ≤ F ≥ 1 − 2 exp(−2FL>) & ̂& / . / 5(/) KS(&, *)
  • 44. dist(&''(, *''() n • ,- . / = ∫2- 3 & / 4/ 5(/) = ∫2- 3 * / 4/ KS &, * ≔ sup 3 |. / − 5(/)| n • • dist(&''(, *''() / . / 5(/) KS(&, *)
  • 45. n n • !" ≔ $%cos) + $+sin) KS(1(!"), 4(!")) • ) $% $+ E"∼789:;<=[KS (1(!"), 4(!"))]
  • 46. n n • ! !", !$, … , !& ∼ Uniform /" /$ E1∼2345678[KS (=(>1), @(>1))] = 1 D E FG" & KS (=(>1H ), @(>1H ))
  • 47. n • !""# = dist(*""#, ,""#) (., .′) !""# = 0 = 0, (if *""# = ,""#) > 0, (if *""# ≠ ,""#) * 567 = ,(567) * 567∪{"} ≠ ,(567∪{"}) ; ; ;< > 0 = 0! = ;< ; ; ;< ∀. ∈ ; !""# = dist(*""#, ,""#)
  • 48. n ! • n • • "( $ − ! $) ' "($()*log*) ./0 = argmin78∈ : ; <,<>∈ 78 : '<<> , s. t. /0 = ! !
  • 49. n • !""# = dist(*""#, ,""#) (., .′) !""# = 0 = 0, (if *""# = ,""#) > 0, (if *""# ≠ ,""#) * 567 = ,(567) * 567∪{"} ≠ ,(567∪{"}) ; ; ;< > 0 = 0! = ;< ; ; ;< ∀. ∈ ; !""# = dist(*""#, ,""#)
  • 50. n ! ⊆ # • $ %&' = ) %&' • $ %&'∪{,} ≠ )(%&'∪{,}) n ! n 1 • 2!3 = argmin&'∈ ; ∑,,,>∈ &' ; ?,,> , s. t. !3 = 1 ?,,> = dist($,,>, ),,>)
  • 51. !" n • ∀$ ∈ " &'' > 0 ∀$* ≠ $, &''- > 0. n !" • /, 0 Pr !" ≠ " ≤ 45exp − /: 8<= > + 5 5 − 1 exp −20> + exp − /: 8<= B • lim F→H Pr !" ≠ " = 0 • J > = K <= /: log 5 J " "N > 0 = 0 & =
  • 52. n ! ⊆ # • $ %&' = ) %&' • $ %&'∪{,} ≠ )(%&'∪{,}) n 1 • 2!3 = argmin&'∈ ; ∑,,,>∈ &' ; ?,,> , s. t. !3 = 1 ?,,> = dist($,,>, ),,>) n
  • 54. n • ! " • ! " #
  • 55. ! n
  • 56.
  • 57. n n
  • 59. n ! = #$ = %$, '$ ∈ ℝ* ×ℝ $,- . n ' = / %; 1 1 • / %; 1 = 1, % • / %; 1 = n 21 = argmin 9 : ;∈< ℓ(#; 1) ℓ
  • 60. n ! ! ∖ #$ %& = argmin . / 0∈2 ℓ(#; &) %&7$ = argmin . / 0∈2∖ 08 ℓ(#; &) #$ #$ #$
  • 61. n • ! "# ! ∖ "# • %&'# = argmin / ∑1∈3∖ 14 ℓ("; &) %& "# 9& = argmin / : 1∈3 ℓ("; &) 9&'# = argmin / : 1∈3∖ 14 ℓ("; &)
  • 62. n • ! " = !, %&'( − %& %&'( n • *+ ! = ∑-∈/0 ∇2ℓ(5; %&) • !, %&'( − %& ≈ 9 -∈/0 ℓ 5; %&'( − ℓ 5; %& • !, %&'( − %&/ ≈
  • 63. n • ! = #$ = %$, '$ $() * • +, • - . = 1, 2, … , 2 34 = -, +,54 − +, +. = argmin 4 34 ! ← ! ∖ #+4
  • 64. n !"#$ • %"#$ %"#$ = argmin - . /∈1∖ /3 ℓ(6; ") n !"#$ − !" • %"#$ − %"
  • 65. n • ! " = !, %&'( − %& *( n +&'( − +& • •
  • 66. n !"#$ − !" n • &"#$ − &" ℓ (; " = + , - − ", / , • &"#$ − &"
  • 67. n ℓ "; $ = & ' ( − $, + ' • , = +&, +', … , +. / ∈ ℝ. ×3 • ,/, 4$56 − 4$ = 4$, +6 − (6 1 − +6 / ,/, 5&+6 ,/ , 5& +6
  • 68. n • !" #$%&'# !" = #$%&')&' %&' )&' = # *" + %&' ,- (/ − 1(# *")) • • #∗ = %&' -/5 # /∗ = %&' -/5 )&' • #$%&'# *",6 − *" = *", 86 ∗ − /6 ∗ 1 − 8∗ 6 $ #∗$#∗ ,-86 ∗ #∗$ #∗ ,- 86 ∗
  • 69. n ℓ "; $ • %&' = ) * ∑,-) * ∇' / ℓ(",; 1$) • 3$45 − 3$ ≈ − 1 9 %&' 4) ∇'ℓ("5; 3$) n
  • 71. n • ! " = !, %&'( − %& *( n +&'( − +& • • n • •
  • 72. n • ! " = !, %&'( − %& *( n +&'( − +& • • n • • •
  • 73. n !"#$ − !" • • n • • &"#$ − &" !"#$ − !"
  • 74. n • ! " ← !$ • % = 1, 2, … , + ,- ← " |/0| ∑2∈/0 ∇5ℓ(8; ! - ) ! -;" ← ! - − =-,- ! " = !$ ! > ! ? ! @ ! A ! B ! C ! D ! E F- =-
  • 75. n ! • "#$ % ← "' • ( = 1, 2, … , . /#$,0 ← % |23| ∑5∈23∖{59} ∇<ℓ(?; "#$ 0 ) "#$ 0B% ← "#$ 0 − D0/#$,0 " % = "' " E " F " G " H " I " J " K " L ?$ ∈ M0 N3 |23| ∇<ℓ(?$; " 0 ) M0 D0
  • 76. n ! • "#$ % ← "' • ( = 1, 2, … , . /#$,0 ← % |23| ∑5∈23∖{59} ∇<ℓ(?; "#$ 0 ) "#$ 0B% ← "#$ 0 − D0/#$,0 " % = "' " E " F " G " H " I " J " K " L ?$ ∈ M0 ?$ ∈ M0 N3 |23| ∇<ℓ(?$; " 0 ) M0 D0
  • 77. n ! • "#$ % ← "' • ( = 1, 2, … , . /#$,0 ← % |23| ∑5∈23∖{59} ∇<ℓ(?; "#$ 0 ) "#$ 0B% ← "#$ 0 − D0/#$,0 E0 D0 " % = "' " F " G " H " I " J " K " L " M ?$ ∈ E0 ?$ ∈ E0 ?$ ∈ E0 "#$ M N3 |23| ∇<ℓ(?$; " 0 )
  • 78. n • ! ̃#$ = !, '($ ) − ' ) +
  • 79. !"# $ − ! $ n &# n !"# $ − ! $ Δ!"# ≔ )* # +* # ,$"-,$". … ,* # 0-∇2ℓ(&#; ! * # ) • 7 8 &# • ,9 ≔ : − )9;9 • ;9 ≔ - <= ∑?∈<= ∇2 . ℓ(&; ! 9 ) A
  • 80. !"# $ − ! $ n & !"# '() − ! '() = !"# ' − +',"#,' − ! ' − +',' = !"# ' − ! ' − +' ,"#,' − ,' • ,"#,' − ,' ≈ /'(!"# ' − ! ' ) n !"# $ − ! $ ≈ (2 − +$")/$"))(!"# $") − ! $") ) ≈ 3$")3$"4 … 36 # ()(!"# 6 # () − ! 6 # () ) = 3$")3$"4 … 36 # () 78 9 :8 9 ∇<ℓ(>#; ! 6 # ) 3$")
  • 81. n • ! " = !, %&'( − %& *( n +&'( − +& • • n • • • Δ&'( ≔ ./ ( 0/ ( 12'312'4 … 1/ ( 63∇8ℓ(*(; & / ( )
  • 82. n • !, Λ > 0 !& ≼ ∇) * ℓ(-; /) ≼ Λ& n • -1 /21 3 − / 3 − Δ/21 ≤ 2(ℎ1 ! * + ℎ1 Λ *) ℎ1(:) ≔ <= > ?= > ∏ABC 1 DE 32E 1 − GA: ∇)ℓ -1; / C 1 Δ/21 /21 3 − / 3
  • 83. n • ∇" # ℓ %; '( − ∇" # ℓ(%; '#) ≤ - '( − '# n • ∇"ℓ(%; ') ≤ . ∇" # ℓ(%; ') ≼ Λ1 2 = 4(5/ 7) • %8 '98 : − ' : − Δ'98 ≤ <=:>=? @ expD <@ : 7 Δ'98 '98 : − ' :
  • 84. n • ! " = !, %&'( − %& *( n +&'( − +& • • • n • ! • "
  • 85. !"# = %, '(# ) − ' ) n • (,-, .-, ' - ) n 0 ̂"# = %, Δ'(# ̂"# ← 0, ∀0 6 = 7 − 1, 7 − 2, … (,-, .-, ' - ) ̂"# ← ̂"# + <= >= %, ∇@ℓ(B#; ' - ) , ∀B# ∈ ,- % % ← % − .-E-% %
  • 86. !"# = %, '(# ) − ' ) n Δ'(# • Δ'(# ≔ -. / 0. / 1)(21)(3 … 15 # 62∇8ℓ(;#; ' 5 # ) > ? • >2 ? , >3 ? , … >@ ? ;# Δ'(# ≔ A BC2 @ D5E # F5E # 1)(21)(3 … 15E # 62∇8ℓ(;#; ' 5E # )
  • 87. !"# = %, '(# ) − ' ) n Δ'(# ̂"# = %, Δ'(# ̂"# = %, Δ'(# = - ./0 1 234 # 534 # %, 6)(06)(7 … 634 # 90∇;ℓ(>#; ' 34 # ) n • % A ≔ 6A906A97 … 6)(0% ̂"# = %, Δ'(# = - ./0 1 234 # 534 # % 34 # , ∇;ℓ(>#; ' 34 # ) • % A % A = 6A90% A90 = % A90 − 2ACA% A90
  • 88. ! n ! ! ← ! − $%&%! &% = ( )* ∑,∈)* ∇/ 0 ℓ(3; 5 % ) • ∇/ 0 ℓ(3; 5 % ) n • ∇/ 0 ℓ 3; 5 % ! • ∇/ 0 ℓ 3; 5 % ! = ∇/ ∇/ℓ 3; 5 % , !
  • 89. n • ̃"# = %, '(# ) − ' ) n •
  • 91. n n n !"# = %, '(# ) − ' ) • % % = ∑,∈./ ∇1ℓ(4; 6') , %, '(# − ' ≈ ∑,∈./ ℓ 4; '(# − ℓ 4; ' n • ̃"# = %, '(# ) − ' )
  • 92. ̃"# = %, '(# ) − ' ) n n Kendall’s tau Jaccard Index K&L K&L Adult .93 (.02) .85 (.07) .80 (.10) .60 (.17) 20News .94 (.05) .82 (.15) .79 (.15) .52 (.19) MNIST .95 (.02) .70 (.15) .83 (.10) .41 (.16) %, '(# ) − ' ) %, '(# ) − ' ) %, '(# ) − ' )
  • 93. ̃"# = %, '(# ) − ' ) n n Kendall’s tau Jaccard Index K&L K&L Adult .75 (.10) .54 (.12) .59 (.16) .32 (.11) 20News .45 (.12) .37 (.12) .25 (.08) .11 (.07) MNIST .45 (.12) .27 (.16) .37 (.15) .27 (.12) %, '(# ) − ' ) %, '(# ) − ' ) %, '(# ) − ' )
  • 94. n n n • • • ̃"# = %, '(# ) − ' ) •
  • 96. n
  • 97. n
  • 98. n
  • 99. n