SlideShare a Scribd company logo
PRML勉強会
鈴木雄登
だれ?
• 氏名:鈴木雄登 @moc_yuto
• facebook: yutosuzu
• 大学院で自然言語処理を研究
• 現職:CyberZの開発エンジニア
アジェンダ
• ガウス分布の特徴
• ガウス分布と最尤推定
• ガウス分布とベイズ推論
• 混合ガウス分布
ガウス分布の特徴
• 正規分布とも呼ばれる
• 単峰形(極大値が1つ) 確率密度関数
ガウス分布が使われる場面
• 変数が1つの時のエントロピーを最大化する分布
• 確率変数の和における変数の数が増えるにしたがっ
て近づく分布はガウス分布(中心極限定理)
• ガウス分布を用いたマルコフ確率場
• 時系列データのモデル化に用いられる線形動的シス
テム
1変数のガウス分布
平均
分散
変数:スカラー値x
パラメータ:平均と分散
1変数のガウス分布
xに依存している部分
この2次形式部分が定数
=ガウス分布の密度が一定
(ユークリッド距離という)
多変量ガウス分布
平均ベクトル
共分散行列
多変量ガウス分布
xに依存している部分
この2次形式部分が定数
=ガウス分布の密度が一定
(マハラノビス距離という)
分散と精度
• 分散の逆数は精度
• 共分散行列の逆数は精度行列
2次形式の特徴
固有ベクトルを用いると
ただし、yは次のように定義
x-μが定数の面は
楕円体になる
平行移動回転
ガウス分布における制限
• パラメータの総数はDに対して2乗に増加し、計算が困難
• 共分散行列Σには、D(D+1)/2個の自由パラメータ
• μにはD個の独立パラメータ
• 対応策:共分散行列を対角化 独立パラメータが2Dに
一般のもの 対角行列 単位行列に比例
ガウス分布における制限その2
• 単峰性(極大値が1つ)
• パラメータが多すぎて、柔軟すぎる
• 適切に表現できる分布の範囲が制限され過ぎ
• 対応策:潜在変数を導入する(ガウス混合分布など)
条件付きガウス分布
• 同時分布がガウス分布なら条件付き分布もガウス分
布
• 平方完成を使うことで、導出可能
周辺分布(復習)
XY 0 1 P(X)
0 1/4 1/4 1/2
1 0 1/2 1/2
P(Y) 1/4 3/4
周辺ガウス分布
• 同時分布がガウス分布 周辺分布もガウス分布
p(xa,xb)の等高線 赤線は断面図
p(xa)は横からみたもの
ガウス分布に対するベイズ
• ベイズの定理を求める
p(x)とp(y¦x)が既知のとき、p(y)とp(x¦y)を求めたい
2次形式を用いると、
上の式から変形してp(y)とp(x¦y)を求めることができる。
ガウス分布の最尤推定
• ガウス分布の最尤推定も偏微分を行えば、求められる
求める
パラメータ
観測値
逐次推定
一括処理できないくらいデータ集合が大きい時に利用
更新時の修正分
Nが増えるに連れ
影響は小さくなる
ガウス分布によるベイズ推論
• ガウス分布を用いると、以下を求めることができる
• 分散が既知の場合の平均の推定
• 平均が既知の場合の分散の推定
• 分散、平均ともに未知の場合の推定
分散が既知、平均の推定
尤度関数が以下であったとき、
であるので事前分布p(μ)にガウス分布を選べば
と推定できる
 共役事前分布に!
考察
• 事後分布の平均=事前分布の平均∼最尤推定解の平均
• N=0   事前分布の平均
• N→    最尤推定解の平均
平均が0の事前分布
平均が既知、分散の推定
• 便利なので分散を精度でもって計算
• 精度は分散の逆数
• 共役事前分布はガンマ分布があてはまる
平均、分散ともに未知
• 事前分布:ガウス―ガンマ分布
• ガウス分布とガンマ分布の積だが、パラメータは依存してい
る
スチューデントのt分布
• 平均は同じだが、精度が異なるようなガウス分布を
無限個足しあわせたもの
• ガウス分布より分布の「すそ」が長い→ロバスト!
• 外れ値に強い
• 実運用では、このようなすその重い分布を使うと外れ
値に強いのでおすすめとのこと。
周期関数
• 周期になっている変数を扱う際、原点の選択で平均
の値が変わってしまう。そこで極座標を使おうよと
いう話。
θ1
θ2
混合ガウス分布
通常のガウス分布 混合ガウス分布
混合分布:ガウス分布のような基本的な分布を線形結合
混合ガウス分布
ガウス分布
個別に平均と共分散の
パラメータを持つ
混合係数
混合ガウス分布
ガウス分布
個別に平均と共分散の
パラメータを持つ
混合係数
xで積分
混合ガウス分布のパラメータ推定
• 単純には解けない!!
• みんな大好きEMアルゴリズムで!!!!
おわり

More Related Content

What's hot

2014.01.23 prml勉強会4.2確率的生成モデル
2014.01.23 prml勉強会4.2確率的生成モデル2014.01.23 prml勉強会4.2確率的生成モデル
2014.01.23 prml勉強会4.2確率的生成モデルTakeshi Sakaki
 
Stochastic Variational Inference
Stochastic Variational InferenceStochastic Variational Inference
Stochastic Variational Inference
Kaede Hayashi
 
W8PRML5.1-5.3
W8PRML5.1-5.3W8PRML5.1-5.3
W8PRML5.1-5.3
Masahito Ohue
 
PRML 2.3 ガウス分布
PRML 2.3 ガウス分布PRML 2.3 ガウス分布
PRML 2.3 ガウス分布
KokiTakamiya
 
PRML輪読#2
PRML輪読#2PRML輪読#2
PRML輪読#2
matsuolab
 
PRML輪読#3
PRML輪読#3PRML輪読#3
PRML輪読#3
matsuolab
 
変分ベイズ法の説明
変分ベイズ法の説明変分ベイズ法の説明
変分ベイズ法の説明
Haruka Ozaki
 
PRML 2.4
PRML 2.4PRML 2.4
PRML 2.4
kazunori sakai
 
[PRML] パターン認識と機械学習(第2章:確率分布)
[PRML] パターン認識と機械学習(第2章:確率分布)[PRML] パターン認識と機械学習(第2章:確率分布)
[PRML] パターン認識と機械学習(第2章:確率分布)
Ryosuke Sasaki
 
PRML勉強会第3回 2章前半 2013/11/28
PRML勉強会第3回 2章前半 2013/11/28PRML勉強会第3回 2章前半 2013/11/28
PRML勉強会第3回 2章前半 2013/11/28kurotaki_weblab
 
離散時間ロジスティック回帰モデル解説
離散時間ロジスティック回帰モデル解説離散時間ロジスティック回帰モデル解説
離散時間ロジスティック回帰モデル解説
akira_11
 
PRML輪読#10
PRML輪読#10PRML輪読#10
PRML輪読#10
matsuolab
 
Prml 1.3~1.6 ver3
Prml 1.3~1.6 ver3Prml 1.3~1.6 ver3
Prml 1.3~1.6 ver3
Toshihiko Iio
 
統計的学習の基礎_3章
統計的学習の基礎_3章統計的学習の基礎_3章
統計的学習の基礎_3章
Shoichi Taguchi
 
Prml 2_3_5
Prml 2_3_5Prml 2_3_5
Prml 2_3_5brownbro
 
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
hoxo_m
 
Prml 最尤推定からベイズ曲線フィッティング
Prml 最尤推定からベイズ曲線フィッティングPrml 最尤推定からベイズ曲線フィッティング
Prml 最尤推定からベイズ曲線フィッティング
takutori
 
MCMCと正規分布の推測
MCMCと正規分布の推測MCMCと正規分布の推測
MCMCと正規分布の推測
Gen Fujita
 

What's hot (20)

2014.01.23 prml勉強会4.2確率的生成モデル
2014.01.23 prml勉強会4.2確率的生成モデル2014.01.23 prml勉強会4.2確率的生成モデル
2014.01.23 prml勉強会4.2確率的生成モデル
 
Stochastic Variational Inference
Stochastic Variational InferenceStochastic Variational Inference
Stochastic Variational Inference
 
W8PRML5.1-5.3
W8PRML5.1-5.3W8PRML5.1-5.3
W8PRML5.1-5.3
 
PRML 2.3 ガウス分布
PRML 2.3 ガウス分布PRML 2.3 ガウス分布
PRML 2.3 ガウス分布
 
PRML_2.3.1~2.3.3
PRML_2.3.1~2.3.3PRML_2.3.1~2.3.3
PRML_2.3.1~2.3.3
 
PRML輪読#2
PRML輪読#2PRML輪読#2
PRML輪読#2
 
PRML輪読#3
PRML輪読#3PRML輪読#3
PRML輪読#3
 
変分ベイズ法の説明
変分ベイズ法の説明変分ベイズ法の説明
変分ベイズ法の説明
 
PRML 2.4
PRML 2.4PRML 2.4
PRML 2.4
 
[PRML] パターン認識と機械学習(第2章:確率分布)
[PRML] パターン認識と機械学習(第2章:確率分布)[PRML] パターン認識と機械学習(第2章:確率分布)
[PRML] パターン認識と機械学習(第2章:確率分布)
 
PRML勉強会第3回 2章前半 2013/11/28
PRML勉強会第3回 2章前半 2013/11/28PRML勉強会第3回 2章前半 2013/11/28
PRML勉強会第3回 2章前半 2013/11/28
 
離散時間ロジスティック回帰モデル解説
離散時間ロジスティック回帰モデル解説離散時間ロジスティック回帰モデル解説
離散時間ロジスティック回帰モデル解説
 
PRML輪読#10
PRML輪読#10PRML輪読#10
PRML輪読#10
 
Prml 1.3~1.6 ver3
Prml 1.3~1.6 ver3Prml 1.3~1.6 ver3
Prml 1.3~1.6 ver3
 
統計的学習の基礎_3章
統計的学習の基礎_3章統計的学習の基礎_3章
統計的学習の基礎_3章
 
Prml 2_3_5
Prml 2_3_5Prml 2_3_5
Prml 2_3_5
 
Prml14 5
Prml14 5Prml14 5
Prml14 5
 
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
 
Prml 最尤推定からベイズ曲線フィッティング
Prml 最尤推定からベイズ曲線フィッティングPrml 最尤推定からベイズ曲線フィッティング
Prml 最尤推定からベイズ曲線フィッティング
 
MCMCと正規分布の推測
MCMCと正規分布の推測MCMCと正規分布の推測
MCMCと正規分布の推測
 

More from Yuto Suzuki

5xx解消への道のり
5xx解消への道のり5xx解消への道のり
5xx解消への道のり
Yuto Suzuki
 
MySQLのインデックス入門
MySQLのインデックス入門MySQLのインデックス入門
MySQLのインデックス入門
Yuto Suzuki
 
Ad vol.2
Ad vol.2Ad vol.2
Ad vol.2
Yuto Suzuki
 
広告勉強会
広告勉強会広告勉強会
広告勉強会
Yuto Suzuki
 
Mastering Bitcoin ~network~
Mastering Bitcoin ~network~ Mastering Bitcoin ~network~
Mastering Bitcoin ~network~
Yuto Suzuki
 
Aerospike基本のき
Aerospike基本のきAerospike基本のき
Aerospike基本のき
Yuto Suzuki
 
いまさらAkkaStream
いまさらAkkaStreamいまさらAkkaStream
いまさらAkkaStream
Yuto Suzuki
 
Introduction of View Through Tracking
Introduction of View Through TrackingIntroduction of View Through Tracking
Introduction of View Through Tracking
Yuto Suzuki
 
エンジニアのためのマーケティング
エンジニアのためのマーケティングエンジニアのためのマーケティング
エンジニアのためのマーケティング
Yuto Suzuki
 
How to Build a Team
How to Build a TeamHow to Build a Team
How to Build a Team
Yuto Suzuki
 
プロダクトにおけるScala
プロダクトにおけるScalaプロダクトにおけるScala
プロダクトにおけるScala
Yuto Suzuki
 
Do you like scala
Do you like scalaDo you like scala
Do you like scala
Yuto Suzuki
 
Re invent
Re inventRe invent
Re invent
Yuto Suzuki
 
Slackから始めるChatOps
Slackから始めるChatOpsSlackから始めるChatOps
Slackから始めるChatOps
Yuto Suzuki
 
大学の時の研究の話
大学の時の研究の話大学の時の研究の話
大学の時の研究の話
Yuto Suzuki
 
F.O.Xを支える技術
F.O.Xを支える技術F.O.Xを支える技術
F.O.Xを支える技術
Yuto Suzuki
 
Scala戦士を増やせ
Scala戦士を増やせScala戦士を増やせ
Scala戦士を増やせ
Yuto Suzuki
 
Recommend scala
Recommend scalaRecommend scala
Recommend scala
Yuto Suzuki
 
スクラムに学ぶ開発の回し方
スクラムに学ぶ開発の回し方スクラムに学ぶ開発の回し方
スクラムに学ぶ開発の回し方
Yuto Suzuki
 
Breezeで始めるデータ分析
Breezeで始めるデータ分析Breezeで始めるデータ分析
Breezeで始めるデータ分析
Yuto Suzuki
 

More from Yuto Suzuki (20)

5xx解消への道のり
5xx解消への道のり5xx解消への道のり
5xx解消への道のり
 
MySQLのインデックス入門
MySQLのインデックス入門MySQLのインデックス入門
MySQLのインデックス入門
 
Ad vol.2
Ad vol.2Ad vol.2
Ad vol.2
 
広告勉強会
広告勉強会広告勉強会
広告勉強会
 
Mastering Bitcoin ~network~
Mastering Bitcoin ~network~ Mastering Bitcoin ~network~
Mastering Bitcoin ~network~
 
Aerospike基本のき
Aerospike基本のきAerospike基本のき
Aerospike基本のき
 
いまさらAkkaStream
いまさらAkkaStreamいまさらAkkaStream
いまさらAkkaStream
 
Introduction of View Through Tracking
Introduction of View Through TrackingIntroduction of View Through Tracking
Introduction of View Through Tracking
 
エンジニアのためのマーケティング
エンジニアのためのマーケティングエンジニアのためのマーケティング
エンジニアのためのマーケティング
 
How to Build a Team
How to Build a TeamHow to Build a Team
How to Build a Team
 
プロダクトにおけるScala
プロダクトにおけるScalaプロダクトにおけるScala
プロダクトにおけるScala
 
Do you like scala
Do you like scalaDo you like scala
Do you like scala
 
Re invent
Re inventRe invent
Re invent
 
Slackから始めるChatOps
Slackから始めるChatOpsSlackから始めるChatOps
Slackから始めるChatOps
 
大学の時の研究の話
大学の時の研究の話大学の時の研究の話
大学の時の研究の話
 
F.O.Xを支える技術
F.O.Xを支える技術F.O.Xを支える技術
F.O.Xを支える技術
 
Scala戦士を増やせ
Scala戦士を増やせScala戦士を増やせ
Scala戦士を増やせ
 
Recommend scala
Recommend scalaRecommend scala
Recommend scala
 
スクラムに学ぶ開発の回し方
スクラムに学ぶ開発の回し方スクラムに学ぶ開発の回し方
スクラムに学ぶ開発の回し方
 
Breezeで始めるデータ分析
Breezeで始めるデータ分析Breezeで始めるデータ分析
Breezeで始めるデータ分析
 

PRML 2.3