19. Def 3.3 I-map (p. 60)を
もう一度復習
• 注意: I-mapとI(H)は別物
– MNではI(H)はseparationによって定義されている
• K: グラフ(無向、有向、問わず)
• I(K): a set of independencies associated with K
• I: a set of independencies
• If I(K) ⊆ I, then KはIのI-map、という
• 「KはI(P)のI-map」ならば、「Kは分布PのI-map」と
呼ぶ
• Iの部分集合であればいいのがポイント
– (p. 61) 分布PはグラフKにない独立性を含む場合あり
– i.e. 分布PはグラフKにある独立性を含む必要あり
23. Thm 4.2 (page 116)
Hammersley-Clifford theorem
• Independent => Factorization
• P: positive distribution
• If H is an I-map for P, then P factorizes over H
• グラフ上でseparatedであれば因子分解可能
• Example 4.4, page 109
• Ex. 4.1はpositive distributionでない場合、成立し
ない例を挙げ、確認する
26. ここまでのSummary
(Courseraより)
• Factorization: H allows P to be represented
• I-Map: Independencies encoded by H hold in P
• 正値分布Pに埋め込まれている独立性と、マ
ルコフネットワークHに埋め込まれている独立
性は一致している
• ちなみにここでいうH上での独立性とはglobal
independencyのこと
– 正値分布に対してはlocal independencyとglobal
independencyが一致することをこれから示す
44. p.121 Example 4.7 Thm 4.5, 4.6におけ
る正値分布の重要性
• 以下の分布Pを考える:
– P(a^1, b^1, c^1, d^1) = 0.5
– P(a^0, b^0, c^0, d^0) = 0.5
– 以上以外の割当では0
• 以上の分布は である
– e.g., P(A | B) = P(A, C | B)より (A indep C | B)
• Local independencyを用いてI-map構築を試みる
• MBの定義4.12でU={B}とすると、MB(A) = B
45. p. 121 Example 4.7, Thm 4.6でもし
Pが正値分布でない場合
• 同様に(C indep A, B | D)よりMB(C) = D
• (D indep A, B | C)よりMB(D) = C
• 以下のグラフKが構築される
• しかしKはPのI-mapでない
– Pで埋め込まれていない独立性がKにある
– E.g. 分布Pは(A indep D)ではないが、グラフKはA, D
間にエッジがないため、(A indep D)であるため