記事の目的

Rで混合ガウスモデルのギブスサンプリングを実装します。
For文をできるだけ使用せず、早く学習するようにしました。
参考: ノンパラメトリックベイズ点過程と統計的機械学習の数理

目次

No.	目次
1	モデルの説明
2	データとライブラリ
3	実装
4	確認

1. モデルの説明

2. データとライブラリ

データはirisのデータセットを使用します。

X <- iris[,1:4]
D <- ncol(X)
N <- nrow(X)
library(mvtnorm)
library(MCMCpack)
library(cluster)

3. 実装

library(mvtnorm)
library(MCMCpack)
# (1)Kを求める
K <- 3
# (2)muを乱数で初期化
set.seed(100)
mu <- matrix(rep(apply(X,2,mean),each=K)+rnorm(K*D,0,0.1), nrow=K)
# (3)
a0 <- 1
b0 <- 1
alpha0 <- 1
# (4)
pi <- rep(1/K, K)
t <- 1
# (5)(ⅰ)-(ⅳ)を繰り返す
max.iter <- 5
a <- a0 + N*D/2
for(s in 1:max.iter){
  #(ⅰ)zのサンプリング
  tmp <- t(apply(mu, 1, function(x) dmvnorm(X, x, diag(D)/t)))*as.vector(pi)
  z <- apply(tmp, 2, function(x) which.max(rmultinom(1,3,x)))
  #(ⅱ)mu(µ)のサンプリング
  n <- tapply(z, z, length)
  x.k <-  apply(X, 2, function(x) tapply(x, z, mean))
  mu <- t(apply(cbind(x.k, n), 1,
                function(x) rmvnorm(1, x[D+1]*x[1:(D)]/(x[D+1]+1), diag(D)/(t*(x[D+1]+1)))))
  #(ⅲ)t(τ)のサンプリング
  b <- b0 + sum(unlist(apply(X, 2, function(x) tapply(x, z, function(x) (x-mean(x))^2))))/2 +
    sum(as.vector(n/(2*(1+n)))*((x.k%*%t(x.k))*diag(K)))
  t <- rgamma(1, a, b)
  #(ⅳ)pi(π)のサンプリング
  alpha <- alpha0 + n
  pi <- rdirichlet(1, alpha)
}

4. 確認

左が正解で、右が実装の結果です。

library(cluster)
par(mfrow=c(1,2))
clusplot(X, iris[,5], color=TRUE, shade=FALSE, labels=4, lines=0)
clusplot(X, z, color=TRUE, shade=FALSE, labels=4, lines=0)