6. ???
イズの の
• 2変数x, y上の同時分布を因数分解する
(a) p ( x, y ) = p ( x) p ( y | x)
(b) yが観測された
(c) ???
p ( y ) = ∑ p ( y | x' ) p ( x' ) (8.47)
x'
p ( y | x) p ( x)
p( x | y ) = (8.48)
p( y )
p( x, y ) = p( x | y ) p( y ) = p( y | x) p( x) ではダメ? 5
25. 因子グラフ
• 有向グラフ,無向グラフを因子グラフで表現
– 局所的な変数の部分集合のみに依存する関数の集合
の積として表現可能
因子グラフ p ( x) = ∏ f s ( x s ) (8.59)
s
有向グラフ ⇒ 親にのみ依存という条件付き 性を 用
K
p(x) = ∏ p( xk | pa k ) (8.5)
k =1
無向グラフ ⇒ 極大クリーク上のポテンシャル関数の積で表現
1
p(x) = ∏ψ C (x C ) (8.39) 24
Z C
26. 因子グラフの
p(x) = f a ( x1 , x2 ) f b ( x1 , x2 ) f c ( x2 , x3 ) f d ( x3 )
• この因数分解のグラフ表現
変数ノード
因子ノード
無向グラフ表現では,これらの積は
ひとつのポテンシャル関数に統合された
⇒ 因子グラフではより詳細な情報が表現される 25
27. 有向グラフからの変換
(1) ノードに対応する変数ノードを作る
(2) 条件付き分布に対応する因子を付け加える
(3) 適 なリンクを加える
条件付き分布
に着目
f ( x1 , x2 , x3 ) f a ( x1 ) = p ( x1 )
これはダメ? なぜ?
= p ( x1 ) p( x2 ) p( x3 | x1 , x2 ) f b ( x2 ) = p ( x 2 )
f c ( x1 , x2 , x3 ) = p( x3 | x1 , x2 )
26