演習Ⅲの発表資料(少々加筆)です

1. EM
4
2016/07/15(Fri.)
1

2. Agenda
intro
EM
em
2

3. Agenda
intro
EM
em
3
“ ”
EM

4. Agenda
intro
EM
em
4
“ ”
EM

5. Agenda
intro
EM
em
5

6.
6

7. ( )
2
β
D = (X, y)
ˆy = X
E( ) = ||ˆy y||2
= ||y X ||2
7

8.
@E( )
@
= 2( XT
)(y X ) = 0
XT
X = XT
y
= (XT
X) 1
XT
y
ˆy = X = X(XT
X) 1
XT
y
8

9. S
X =
0
@
xT
1
:
xT
N
1
A
y
ˆy = y
= X(XT
X) 1
XT
S X
9

10. S
X =
0
@
xT
1
:
xT
N
1
A
y
ˆy = y
= X(XT
X) 1
XT
S X
Data
Model
Data Model
10

11. https://staff.aist.go.jp/s.akaho/papers/infogeo-sice.pdf
= →
⇒ Euclid
11

12. p1
p2 q2
q1
12

13. p1
p2 q2
q1
KL[p1||q1] =
Z
p1(x) log
p1(x)
q1(x)
dx = 8
KL[p2||q2] =
Z
p2(x) log
p2(x)
q2(x)
dx = 2
13

14. Euclid
(Kullback-Leibler )
⇒ ” ”
Euclid ( )
14

15.
ξ-
1 1
f(x; ⇠)
⇠ = (⇠1
, · · · , ⇠n
)
⇠ = (µ, 2
)
15

16. i) M Hausdorff
ii) Λ M
3
1)
2) λ
3)
Cr
: U ! Rn
{(U , )} 2⇤
M =
[
2⇤
U
(U )
U↵ [ U 6= ;
1
↵ : ↵(U↵ [ U ) ! (U↵ [ U )
16

17. i) M Hausdorff
ii) Λ M
3
1)
2) λ
3)
Cr
: U ! Rn
{(U , )} 2⇤
M =
[
2⇤
U
(U )
U↵ [ U 6= ;
1
↵ : ↵(U↵ [ U ) ! (U↵ [ U )
M
Cr
(M, {(U , ) 2⇤)
17

18. i) M Hausdorff
ii) Λ M
3
1)
2) λ
3)
Cr
: U ! Rn
{(U , )} 2⇤
M =
[
2⇤
U
(U )
U↵ [ U 6= ;
1
↵ : ↵(U↵ [ U ) ! (U↵ [ U )
18
” ” ” ”
=
atlas= atlas
M
U
Rn

19. c(t) p
=
c(t)
p
v =
dc(t)
dt
1
” ”

20. p p’ p
dε p+dε
dε’ …
p
p + d"
p
p + d"
dε

21.
dε i
p ˜p = p + d"{ei} {˜ei}
{˜ei}ej
⇧d"[ej]
⇧d"[ej] = ˜ej
X
i,k
d"i k
ij ˜ek
k
ij
p
ej
⇠j
˜p
˜⇠j
˜ej
⇧d"[ej]
X
i,k
d"i k
ij ˜ek
d"
d"i
dε

22. ” ”
” ”
α- α−
α
Markov
[1]
5 α− [3]

23. α- 0 α-
α-
α- Euclid
≒
p
ej
⇠j
˜p
˜⇠j
˜ej
⇧d"[ej]
X
i,k
d"i k
ij ˜ek
d"
2
” ”

24. α- α
α=+1
α=0
α=-1
1- e- (exponential) -1- m-
(mixture)

25. α-
α=±1 Kullback-Leibler
⇒ 1- (e- ) -1- (m- )
p M α- q M
⇒ α-
D(↵)
(p||q) = (✓(p)) + '(⌘(q))
X
i
✓i
(p)⌘i(q)
D(↵)
(p||q)
25
α-
” ”

26. α- α=±1
(“ ” Kullback-Leibler )

27. Agenda
intro
EM
em
27

28. EM
X: Z: θ:
p(X, Z|✓)
28
p(X|✓) =
Z
p(X, Z|✓)dZ

29. EM
[2] p.166
KL Kullback-Leibler
L[q, ✓] =
Z
q(Z) ln
p(X, Z|✓)
q(Z)
ln p(X|✓) = L[q, ✓] + KL[q(Z)||p(Z|X, ✓)]
ln p(X|✓) =
Z
q(Z) ln
p(X, Z|✓)
P
q(Z) + KL[q(Z)||p(Z|X, ✓)]
29

30. EM
KL ≥0
EM 2
[E ] q(Z)
[M ] ⇔ θ
ln p(X|✓) = L[q, ✓] + KL[q(Z)||p(Z|X, ✓)]
ln p(X|✓) L[q, ✓]
30

31. EM
[E ] q(Z)
⇔ KL =0
[M ] ⇔ θ
E = KL
≥0
ln p(X|✓) = L[q, ✓] + KL[q(Z)||p(Z|X, ✓)]
max
q
L[q, ✓] = L[p(Z|X, ✓), ✓]
31

32. EM
ln p(X|✓)
✓
32

33. EM
ln p(X|✓)
✓
E
L[q; ✓]
33

34. EM
ln p(X|✓)
✓
L[q; ✓]
34

35. EM
ln p(X|✓)
✓
L[q; ✓]
✓0
M
35

36. EM
ln p(X|✓)
✓
L[q; ✓]
36

37. EM
ln p(X|✓)
✓
L[q; ✓]
E
37

38. EM
ln p(X|✓)
✓
L[q; ✓]
38

39. EM
ln p(X|✓)
✓
L[q; ✓]
✓0
M
39

40. Agenda
intro
EM
em
40

41. em
⇒
KL
e- : KL
m- : KL
e- m- KL
M
M
D
D
p
p
q
q
41

42. em
M
D
e-
m-
42

43. em
M
D
e-
p
q
q = argmin
q2D
KL[q||p]e-
43

44. em
M
D
m-
p
q
p = argmin
p2M
KL[q||p]m-
44

45. e- E
KL
q
q 1
KL[q||p] =
Z X
Z
q(X, Z) ln
q(X, Z)
p(X, Z|✓)
dX
q(X, Z) =
NY
n=1
(X Xn)q(Z)
X
Z
q(Z) = 1
{Xn}N
n=1
EM
KL
45

46. e- E
KL
q
q 1
KL[q||p] =
Z X
Z
q(X, Z) ln
q(X, Z)
p(X, Z|✓)
dX
q(X, Z) =
NY
n=1
(X Xn)q(Z)
X
Z
q(Z) = 1
{Xn}N
n=1
EM
KL
X 1
46

47. e- E
KL[q||p] =
Z X
Z
q(X, Z) ln
q(X, Z)
p(X, Z|✓)
dX
=
X
Z
q(Z){ln q(Z) ln p({Xn}, Z|✓)}
Lagrangeq(Z)
q(Z) = e ( +1)
p({Xn}, Z|✓)
λ
47
=
Z X
Z
NY
n=1
(X Xn)q(Z) ln
P
Z
QN
n=1 (X Xn)q(Z)
p(X, Z|✓)
dX

48. e- E
1 =
X
Z
q(Z) = e ( +1)
X
Z
p(Z|{Xn}, ✓)p({Xn}|✓)
= e ( +1)
p({Xn}|✓)
q(Z) =
p({Xn}, Z|✓)
p({Xn}|✓)
= p(Z|{Xn}, ✓)
EM E
48

49. m- M
KL[q||p] =
X
Z
q(Z){ln q(Z) ln p({Xn}, Z|✓)} =
X
Z
q(Z) ln
q(Z)
p({Xn}, Z|✓)
KL p
L[q, ✓] =
Z
q(Z) ln
p(X, Z|✓)
q(Z)
EM
KL[q||p] = L[q, ✓]
(M ) KL
(m- )
49

50. Euclid
→
EM em
E ↔ e- / M ↔ m-
50

51. Reference
[1]
[2] C.M.Bishop (2006). Pattern Recognition and Machine
Learning. Springer
[3]
[4]
[5] EM <http://
enakai00.hatenablog.com/entry/2015/05/09/145257>
[6] EM <http://
www.slideshare.net/ShinagawaSeitaro/em-58323841>
51