More Related Content
More from Junya Saito (6)
Bayesian Efficient Multiple Kernel Learning
- 1. ่ซๆ็ดนไป
Bayesian Efficient
Multiple Kernel Learning
[ICML 2012]
Mehmet Gรถnen
(Edinburgh, Scotland, UK)
ๆ่ค ๆทณๅ
้้ใ็ญใใใพใใใใ้ฃ็ตกใใ ใใ
junyaใใใฃใจใfugaga.info
2013/03/25
- 2. ็ฎๆฌก
โข ๆฆ่ฆ
โข ๅ้ก่จญๅฎ
โข Multiple Kernel Learning
โข ๆๆกๆๆณ
โ ๆงๆ
โ ๅญฆ็ฟใขใซใดใชใบใ
โ ๆจๅฎใขใซใดใชใบใ
โข ๅฎ้จ
โข ใพใจใ
1/16
- 3. ๆฆ่ฆ
ใใผใ๏ผMultiple Kernel Learning ่คๆฐใฎใซใผใใซใ็ตใฟๅใใใ๏ผๅ้ก๏ผๅญฆ็ฟ
ๅฉ็น๏ผ๏ผ็ฐใชใ็จฎ้กใฎ็นๅพดใใใคใใผใฟใๅญฆ็ฟใงใใ
็นๅพดใซๅใฃใใซใผใใซใ็ตใฟๅใใใ ็นๅพด๏ผ ็นๅพด๏ผ ็นๅพด๏ผ ใฉใใซ๐ฆ
0.53 ่ฏใๅคฉๆฐ 1
0.2 ๆกใใใใ -1
ๅฉ็น๏ผ๏ผ่ถ
ใใฉใกใผใฟใฎ่ชฟๆดใชใใงใใผใฟใๅญฆ็ฟใงใใ
๐ฅ1 โ๐ฅ2 2 ๐ฅ1 โ๐ฅ2 2 ๐ฅ1 โ๐ฅ2 2
ใใใใใช่ถ
ใใฉใกใผใฟใฎใซใผใใซใ็ตใฟๅใใใ exp โ , exp โ , exp โ ,ใปใปใป
12 0.52 0.252
ๆๆกๆๆณ๏ผ Bayesian Efficient Multiple Kernel Learning๏ผBEMKL๏ผ
็นๅพด๏ผ
โข ไธญ้ใใผใฟ็ๆ
โข ๅคๅ่ฟไผผ
็น้ท๏ผ
โข ้ซ้๏ผใซใผใใซใๆฐ็พๅไฝฟใฃใฆใ๏ผๅใใใใชใ๏ผ๏ผ โปๅพๆฅๆๆณใจใฎๆฏ่ผๅฎ้จใชใ
โข ้ซ็ฒพๅบฆ โปๅพๆฅๆๆณใจใฎๆฏ่ผๅฎ้จใใ 2/16
- 4. ๅ้ก่จญๅฎ
โข ๏ผๅคๅ้ก
โ ๅ
ฅๅ
โข ่จ็ทดใใผใฟ
๐
โ ็นๅพดใใฏใใซ๐ = ๐ฅ ๐ ๐=1
๐
โ ใฉใใซ ๐ = ๐ฆ ๐ โ โ1, +1 ๐=1
โข ใในใใใผใฟ
โ ็นๅพดใใฏใใซ๐ฅโ
โ ๅบๅ
โข ใในใใใผใฟ
โ ็นๅพดใใฏใใซ๐ฅโ ใฎใฉใใซใฎ็ขบ็ๅๅธ๐ ๐ฆโ = +1|๐ฅโ
3/16
- 5. Multiple Kernel Learning
โข ่คๆฐใฎใซใผใใซใ็ตใฟๅใใใๅญฆ็ฟ
๐
ไพ๏ผ Pๅใฎใซใผใใซ ๐ ๐ โ ๐ร ๐โโ ๐=1 ใไฝฟใฃใฆใ
๐ ๐ฅโ โ ๐
๐ ๐ฆโ = +1|๐ฅโ = sigmoid
๐
๐ ๐
๐ ๐ฅโ = ๐ ๐ ๐ ๐ ๐ฅ ๐ , ๐ฅโ + ๐
๐=1 ๐=1
ใจใขใใซๅใใฆใ๐ = ๐1 , โฆ , ๐ ๐ , โฆ , ๐ ๐ โค , ๐ ใๅญฆ็ฟ
4/16
- 6. ๆๆกๆๆณ
โข Bayesian Efficient Multiple Kernel Learning
๏ผBEMKL๏ผ
โข ็นๅพด
โ ไบๅๅๅธใไฝฟ็จใใๅฎๅ
จใชใใคใบใขใใซ
โ ไธญ้ใใผใฟใ็ๆ
โ ๅคๅ่ฟไผผใง๏ผMCMCใใใ๏ผ้ซ้
5/16
- 7. ๆงๆ๏ผใฐใฉใใฃใซใซใขใใซ๏ผ
ใใคใขใน ๐|๐พ ~๐ฉ ๐; 0, ๐พ โ1 ๐พ~๐ข ๐พ ; ๐ผ ๐พ , ๐ฝ ๐พ
1
๐ ๐ ๐ฅ1 , ๐ฅ1 โฆ ๐ ๐ ๐ฅ1 , ๐ฅ ๐ โฆ ๐ ๐ ๐ฅ1 , ๐ฅ ๐ ๐1 โฆ ๐1๐ โฆ ๐1๐
โฎ โฑ โฎ โฑ โฎ โฎ โฑ โฎ โฑ โฎ
๐ฒ ๐ = ๐
๐
๐ ๐ฅ ๐ , ๐ฅ1
โฎ
๐ฅ ๐ , ๐ฅ1
โฆ
โฑ
โฆ
๐
๐
๐
โฎ
๐ฅ ๐, ๐ฅ ๐
๐ฅ ๐, ๐ฅ ๐
โฆ
โฑ
โฆ
๐
๐
๐ ๐ฅ ๐, ๐ฅ ๐
โฎ
๐ฅ ๐, ๐ฅ ๐
๐ฎ= ๐1
โฎ
๐ โฆ
โฑ
๐๐ ๐
โฎ
โฆ
โฑ
๐ ๐๐
โฎ ๐ ๐พ
๐ ๐ ๐ ๐1๐ โฆ ๐ ๐๐ โฆ ๐๐ ๐
๐ ๐ ๐ |๐, ๐ ๐,๐ ~๐ฉ ๐ ๐ ๐ ; ๐โค ๐ ๐,๐ , 1 ๐๐ |๐, ๐, ๐ ๐ ~๐ฉ ๐๐ ; ๐ โค ๐ ๐ + ๐, 1
๐ฒ ๐ ๐ฎ ๐ ๐ฆ
๐ ไธญ้ใใผใฟ ไบๆธฌๅค ใฉใใซ ๐ฆ ๐ |๐๐ ~๐ฟ ๐๐ ๐ฆ ๐ > ๐
ใซใผใใซ๏ผใฎ็ฉบ้ๅ
ใงใฎ
่จ็ทดใใผใฟใฎ็ธไบ่ท้ข๏ผ
๐ ๐ ๐ ๐
๐ ๐ |๐ ๐ ~๐ฉ ๐ ๐ ; 0, ๐โ1 ๐ ๐ |๐ ๐ ~๐ฉ ๐ ๐ ; 0, ๐โ1 ๐ ๐ ~๐ข ๐ ๐ ; ๐ผ ๐ , ๐ฝ ๐
๐ ๐ ~๐ข ๐ ๐ ; ๐ผ ๐ , ๐ฝ ๐ ๐ ๐
ใซใผใใซใฎ้ใฟ ไธญ้ใใผใฟใฎ้ใฟ
โป ๐ฉ๏ผๆญฃ่ฆๅๅธใ๐ข๏ผใฌใณใๅๅธใ๐ฟ๏ผใฏใญใใใซใผใฎใใซใฟ้ขๆฐ 6/16
- 8. ๅญฆ็ฟใขใซใดใชใบใ ๏ผๆบๅ๏ผๅคๅ่ฟไผผใฎใญใข๏ผ
ใๅฎ็ใไปปๆใฎ็ขบ็ๅคๆฐ๐ฏ, ๐ตใใใณ็ขบ็ๅฏๅบฆ้ขๆฐ๐ ๐ฏ, ๐ต ใซๅฏพใใฆใๆฌกๅผใๆใ็ซใคใ
๐ ๐
log ๐ ๐| ๐ ๐ ๐=1 โฅE๐ ๐ฏ,๐ต log ๐ ๐ฒ, ๐ฏ, ๐ต| ๐ ๐ ๐=1 โE๐ ๐ฏ,๐ต log ๐ ๐ฏ, ๐ต
็ญๅทๆ็ซๆใๆฌกๅผใๆใ็ซใคใ
๐
๐ ๐ฏ, ๐ต| ๐ ๐ ๐=1 , ๐ฒ = ๐ ๐ฏ, ๐ต
๐ ๐
ใ่จผๆใ log ๐ ๐| ๐ ๐ ๐=1 = log ๐ ๐ฒ, ๐ฏ, ๐ต| ๐ ๐ ๐=1 d๐ฏd๐ต
๐
PRMLใฎใจใกใใฃใจ้ใ่จผๆ
๐ ๐ฒ, ๐ฏ, ๐ต| ๐ ๐ ๐=1
= log ๐ ๐ฏ, ๐ต d๐ฏd๐ต
๐ ๐ฏ, ๐ต
๐
๐ ๐ฒ, ๐ฏ, ๐ต| ๐ ๐ ๐=1
โฅ ๐ ๐ฏ, ๐ต log d๐ฏd๐ต
๐ ๐ฏ, ๐ต
-logใฏไธใซๅธใช้ขๆฐใชใฎใง
๐
Jensenโs inequalityใใ ๐ ๐ฒ, ๐ฏ, ๐ต| ๐ ๐ ๐=1
=E๐ ๐ฏ,๐ต log
๐ ๐ฏ, ๐ต
๐
=E๐ ๐ฏ,๐ต log ๐ ๐ฒ, ๐ฏ, ๐ต| ๐ ๐ ๐=1 โE๐ ๐ฏ,๐ต log ๐ ๐ฏ, ๐ต
7/16
- 9. ๅญฆ็ฟใขใซใดใชใบใ ๏ผๆบๅ๏ผๅคๅ่ฟไผผใฎใญใข๏ผ
๐ ๐ฒ,๐ฏ,๐ต| ๐ ๐ ๐๐=1 ๐
= 1ใฎใจใ็ญๅทๆ็ซ ๐ ๐| ๐ ๐ ๐=1 =1
๐ ๐ฏ,๐ต
๐
๐ ๐ฒ, ๐ฏ, ๐ต| ๐ ๐ ๐=1
=1
๐ ๐ฏ, ๐ต
๐
โ ๐ ๐ฒ, ๐ฏ, ๐ต| ๐ ๐ ๐=1 = ๐ ๐ฏ, ๐ต
๐ ๐ฒ, ๐ฏ, ๐ต, ๐ ๐ ๐๐=1
โ ๐ = ๐ ๐ฏ, ๐ต
๐ ๐ ๐ ๐=1
๐ ๐
๐ ๐ฏ, ๐ต| ๐ ๐ ๐=1 , ๐ฒ ๐ ๐ ๐ ๐=1 , ๐ฒ
โ ๐ = ๐ ๐ฏ, ๐ต
๐ ๐ ๐ ๐=1
๐ ๐
โ ๐ ๐ฏ, ๐ต| ๐ ๐ ๐=1 , ๐ฒ ๐ ๐| ๐ ๐ ๐=1 = ๐ ๐ฏ, ๐ต
๐
โ ๐ ๐ฏ, ๐ต| ๐ ๐ ๐=1 , ๐ฒ = ๐ ๐ฏ, ๐ต
8/16
- 10. ๅญฆ็ฟใขใซใดใชใบใ ๏ผๆบๅ๏ผๅคๅ่ฟไผผใฎใญใข๏ผ
ใๅฎ็ใไปปๆใฎ็ขบ็ๅคๆฐ๐ฏ, ๐ตใใใณ็ขบ็ๅฏๅบฆ้ขๆฐ๐ ๐ฏ, ๐ต ใซๅฏพใใฆใๆฌกๅผใๆใ็ซใคใ
๐ ๐
log ๐ ๐| ๐ ๐ ๐=1 โฅE๐ ๐ฏ,๐ต log ๐ ๐ฒ, ๐ฏ, ๐ต| ๐ ๐ ๐=1 โE๐ ๐ฏ,๐ต log ๐ ๐ฏ, ๐ต
ๅจ่พบๅฐคๅบฆ ๅจ่พบๅฐคๅบฆใฎไธ้
็ญๅทๆ็ซๆใๆฌกๅผใๆใ็ซใคใ
๐
๐ ๐ฏ, ๐ต| ๐ ๐ ๐=1 , ๐ฒ = ๐ ๐ฏ, ๐ต
ไฝใ่จใใ๏ผ๏ผ
๐ฏ = ๐, ๐, ๐, ๐, ๐ฎ , ๐ต = ๐พ, ๐, ๐ ใจใใใจใใ
๐ ๐ฏ, ๐ต| ๐ ๐ ๐๐=1 , ๐ฒ ใฏใๆฌๆฅใ่ค้ใช้ขๆฐ๏ผใใฏใใไฝใใงใใชใใฌใใซ๏ผใ
๐ ๐ฏ, ๐ต ใ็ฐกๅใชๆฑใใใใ้ขๆฐ๏ผใงใใใคใใใใฃใฝใ้ขๆฐ๏ผใซๅฎ็พฉใใฆใ
๐ฏ, ๐ตใใใพใ่ชฟๆดใใฆใๅจ่พบๅฐคๅบฆใฎไธ้ใๆๅคงใซใชใใใใซใใใฐใ
็ฐกๅใชๆฑใใใใ้ขๆฐ๐ ๐ฏ, ๐ต ใง
๐ ๐ฏ, ๐ต| ๐ ๐ ๐๐=1 , ๐ฒ
ใ่ฟไผผใงใใใ
ๅคๅ่ฟไผผใฎ้่ฆใงๅบๆฌ็ใช่ใๆน๏ผ
9/16
- 11. ๅญฆ็ฟใขใซใดใชใบใ ๏ผๆบๅ๏ผ
ๆฌกใฎใใใซ๐ ๐ฏ, ๐ต ใๅฎ็พฉใใใ
ใใฃใใๅฎ็พฉใใฆใใใ ใใ
ๅจ่พบๅฐคๅบฆใฎไธ้ใๆๅคงๅใใ๐ ๐ฏ, ๐ต ใซ
ใใใใใๆฌกในใฉใคใใฎๅฎ็ใไฝฟ็จใ
โป ๐ฏ๐ฉ ๐ฅ; ๐, ฮฃ, ๐ ๏ผๅๆญๆญฃ่ฆๅๅธใ
๐ฉ ๐ฅ; ๐, ฮฃ if ๐ is True
๐ฏ๐ฉ ๐ฅ; ๐, ฮฃ, ๐ =
0 otherwise 10/16
- 12. ๅญฆ็ฟใขใซใดใชใบใ ๏ผๆบๅ๏ผๅคๅ่ฟไผผใฎใญใข๏ผ
ใๅฎ็ใๅในใฉใคใใฎ๐ ๐ฏ, ๐ต ใฎๅฎ็พฉใฎไธใๅจ่พบๅฐคๅบฆใๆๅคงๅใใใจใใ
๐ โ ๐ , ๐ , ๐ฎ , ๐พ , ๐ , ๐, ๐ , ๐ ใซๅฏพใใฆใๆฌกๅผใๆใ็ซใคใ
๐
๐ ๐ โ exp E ๐ ๐ฏ,๐ต โ๐ log ๐ ๐ฒ, ๐ฏ, ๐ต| ๐ ๐ ๐=1
๐ ๐ฒ,๐ฏ,๐ต| ๐ ๐ ๐๐=1
ใ่จผๆใ ๅ่จผๆใใใ = 1ใๆใ็ซใฃใฆใใใฎใงใ
๐ ๐ฏ,๐ต
๐
๐ ๐ฏ, ๐ต = ๐ ๐ฒ, ๐ฏ, ๐ต| ๐ ๐ ๐=1
โ log ๐ ๐ฏ, ๐ต = log ๐ ๐ฒ, ๐ฏ, ๐ต| ๐ ๐
๐ ๐=1
โ E๐ ๐
๐ฏ,๐ต โ๐ log ๐ ๐ฏ, ๐ต = E๐ ๐ฏ,๐ต โ๐ log ๐ ๐ฒ, ๐ฏ, ๐ต| ๐ ๐ ๐=1
๐
โ E๐ ๐ฏ,๐ต โ๐ log ๐ ๐ ๐ ๐ฏ, ๐ต โ ๐ =E๐ ๐ฏ,๐ต โ๐ log ๐ ๐ฒ, ๐ฏ, ๐ต| ๐ ๐ ๐=1
โE ๐ ๐
๐ฏ,๐ต โ๐ log ๐ ๐ + E ๐ ๐ฏ,๐ต โ๐ log ๐ ๐ฏ, ๐ต โ ๐ = E๐ ๐ฏ,๐ต โ๐ log ๐ ๐ฒ, ๐ฏ, ๐ต| ๐ ๐ ๐=1
โ log ๐ ๐ + const = E ๐ ๐
๐ฏ,๐ต โ๐ log ๐ ๐ฒ, ๐ฏ, ๐ต| ๐ ๐ ๐=1
๐
โ ๐ ๐ = exp E ๐ ๐ฏ,๐ต โ๐ log ๐ ๐ฒ, ๐ฏ, ๐ต| ๐ ๐ ๐=1 exp โconst
๐
โ ๐ ๐ โ exp E ๐ ๐ฏ,๐ต โ๐ log ๐ ๐ฒ, ๐ฏ, ๐ต| ๐ ๐ ๐=1 11/16
- 13. ๅญฆ็ฟใขใซใดใชใบใ
๏ผ๏ผ้ฉๅฝใชๅๆๅคใฎๅ
ใงไปฅไธใ่จ็ฎ
๐
๐ ๐ โ exp E ๐ ๐ฏ,๐ต โ๐ log ๐ ๐ฒ, ๐ฏ, ๐ต| ๐ ๐ ๐=1
ใไฝฟใใจๆฑใใใใ
โป
๏ผ๏ผๅจ่พบๅฐคๅบฆใฎไธ้๏ผE ๐ ๐ฏ,๐ต log ๐ ๐ฒ, ๐ฏ, ๐ต| ๐ ๐ ๐๐=1 โ E ๐ ๐ฏ,๐ต log ๐ ๐ฏ, ๐ต
ใๅๆใใฆใใใ็ขบ่ชใใๅๆใใฆใใชใใใฐ๏ผ๏ผใธๆปใ
12/16
- 15. ๅฎ้จ๏ผ๏ผ๏ผ
ใปๅฎ้จใใผใฟ๏ผUCI repository pima
ใป่จ็ทดใใผใฟๆฐ๏ผN=537 ๏ผใในใใใผใฟๆฐ๏ผ230็จๅบฆ๏ผ
ใปใซใผใใซๆฐ๏ผP=117
ใป9ๅใฎ็นๅพดใใใใใซๅฏพใใฆไปฅไธใฎใซใผใใซใ็จๆ
ใปใฌใฆในใซใผใใซ๏ผ10ๅ
ใปๅค้
ๅผใซใผใใซ๏ผ3ๅ
ใปPC๏ผ3.0GHzCPU 4GBใกใขใช
14/16
- 17. ใพใจใ
โข Multiple Kernel Learning๏ผ
โ ่คๆฐใฎใซใผใใซใ็ตใฟๅใใใๅญฆ็ฟๆๆณ
โข ๆๆกๆๆณBEMKL๏ผ
โ ้ซ้ใป้ซ็ฒพๅบฆ
โ ๆฐ็พๅใฎใซใผใใซใไฝฟใฃใฆใ๏ผๅไปฅไธใงๅญฆ็ฟ
16/16