1
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 5 years have passed since last update.

ベイズ推論の勉強用ノート(4)ー 事後分布の推定

Last updated at Posted at 2019-02-17

目的

ベイズ推論による機械学習入門の勉強用のノート。
式を後で参照するために残しておく。

関連

ベイズ推論の勉強用ノート(1)ー 基本的な定義
ベイズ推論の勉強用ノート(2)ー 離散確率分布
ベイズ推論の勉強用ノート(3)ー 連続確率分布

パラメータの事後分布

  • $D$:訓練データの集合
  • $\theta$:モデルに含まれる未知のパラメータ

条件付き確率の定義から、同時分布$p(D, \theta)$は、以下のように分解できる。

\begin{align}
p(D, \theta) = p(D|\theta)p(\theta)
\end{align}

パラメータ$\theta$に対する事前の不確実性は、事前分布$p(\theta)$ を設定することで、モデルに反映される。

  • $p(D|\theta)$:$\theta$の関数と見たとき、尤度関数(likelihood function) と呼ぶ
  • 特定のパラメータ$\theta$から、どのようにしてデータ$D$が発生するのかをモデル化している部分

データ$D$を観測した後の、パラメータ$\theta$の不確実性は、以下のように更新される。(式は、ベイズの定理そのもの)

\begin{align}
p(\theta|D) = \frac{p(D|\theta)p(\theta)}{p(D)}
\end{align}
  • この条件付き分布$p(\theta|D)$ を計算することが、
    ベイズ学習の枠組みにおける「学習」に相当する
  • $p(\theta|D)$は、パラメータ$\theta$の事後分布
  • 新しいデータ$D'$が得られたら、$p(\theta) \leftarrow p(\theta|D)$ として、$p(\theta|D') = \frac{p(D'|\theta)p(\theta)}{p(D')}$と更新する
  • 実際は、$p(\theta|D,D') =
    \frac{p(D'|\theta)p(\theta|D)}{p(D')}$ を計算している点に注意する
1
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
1
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?