PRML読書会 第一回まとめpart3
Chapter1:序論
Probability
Freauentist(客観) と Bayesian(主観)
- Freauentist:頻度主義
- 客観確率
- 世界の中に存在する頻度や傾向性など、主観とは独立に存在する確率。
- Bayesian:ベイズ主義
- 主観確率
- 人間が考える主観的な信念あるいは信頼の度合(客観的には求められない)
これらは解釈が異なるためアプローチが違うのだけど、それぞれ別個の確率論というわけではない。
P(A) := (#A)/(#Ω)
- A:不確実な事象
- w : パラメータ
- D: {, ... , } observed data
Frequentist: maximum likelihood
- max P(D | w) :likelihood function
or
- min -log P(D | w) :error function
Bayesian:
- prior distribution P(w) を仮定 前条件
- posterior distribution P(w| D) = P(D | w) P(w) / P(D)
一長一短 それぞれの利点と欠点をしっかりと認識することが大切
具体的にどう応用するのかを先の例に戻ってみる
Noise の表現戦略
※ここからは数式が増えます。僕もしんどいです。
こうなるんだー。ふーん。程度の認識でよろしいかと思います。
- p( t | x. w, ) = N (t | y (x, w) , )
- Training set 下記の二つが独立すること
- x= ,...,
- t= ,...,
t,x,wはベクトル
Normal distributionのdensity
であったので、
error functionは
これによって
predictive distribution
を得る。
次にBayesian approach
Bayesian approach
prior distributionとして
-
- : hyperparameter
- M : M次多項式
Bayes' thmより
-
- 点推定↑maximum
- 別個に指定するパラメータとを一つにする。