-
Notifications
You must be signed in to change notification settings - Fork 5
/
11.html
906 lines (819 loc) · 41.8 KB
/
11.html
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
<!doctype html>
<html lang="ja">
<head>
<meta charset="utf-8">
<title>パターン認識・機械学習勉強会 第11回 @ ワークスアプリケーションズ</title>
<meta name="description" content="Seminar of category theory">
<meta name="author" content="Koichi Nakamura">
<meta name="apple-mobile-web-app-capable" content="yes" />
<meta name="apple-mobile-web-app-status-bar-style" content="black-translucent" />
<meta name="viewport" content="width=device-width, initial-scale=1.0, maximum-scale=1.0, user-scalable=no">
<link rel="stylesheet" href="css/reveal.css">
<link rel="stylesheet" href="css/theme/beige.css" id="theme">
<meta http-equiv="X-UA-Compatible" CONTENT="IE=EmulateIE7" />
<!-- For syntax highlighting -->
<link rel="stylesheet" href="plugin/highlight/styles/github.css">
<!-- If the query includes 'print-pdf', use the PDF print sheet -->
<script>
document.write( '<link rel="stylesheet" href="css/print/' + ( window.location.search.match( /print-pdf/gi ) ? 'pdf' : 'paper' ) + '.css" type="text/css" media="print">' );
</script>
<script type="text/javascript"
src="https://cdnjs.cloudflare.com/ajax/libs/mathjax/2.7.1/MathJax.js?config=TeX-AMS_HTML">
</script>
<script type="text/x-mathjax-config">
MathJax.Hub.Config({
tex2jax: {
inlineMath: [ ['$','$'], ["\\(","\\)"] ],
displayMath: [ ['$$','$$'], ["\\[","\\]"] ]
}
});
</script>
<style type="text/css">
<!--
div.definition {
padding-left: 10px;
padding-right: 10px;
border: 4px solid #333333;
box-shadow: 0 0 10px rgba(0, 0, 0, 0.15);
}
.reveal .chapter-title {
margin-top: 3em;
}
.reveal {
font-size: 36px;
line-height: 1.4em;
}
.reveal .slides {
text-align: left;
}
.reveal section img {
border: none;
background: 0;
margin-left: 1em;
margin-right: 1em;
box-shadow: none;
}
.reveal strong {
color: #ff6666;
}
.reveal sup {
font-size: 40%;
}
.reveal .note {
font-size: 40%;
}
.reveal .controls div.navigate-up,
.reveal .controls div.navigate-down {
display: none;
}
.reveal .block {
border: solid 2px;
position: relative;
border-radius: 8px;
margin: 0.5em;
padding: 1em 0.8em 0.5em 0.8em;
}
.reveal .block:after {
content: "";
display: block;
clear: both;
height: 1px;
overflow: hidden;
}
-->
</style>
<!--[if lt IE 9]>
<script src="lib/js/html5shiv.js"></script>
<![endif]-->
</head>
<body>
<div class="reveal">
<!-- Any section element inside of this container is displayed as a slide -->
<div class="slides">
<section>
<h2>パターン認識・<br> 機械学習勉強会 <br> 第11回</h2>
<h3>@ワークスアプリケーションズ</h3>
<small> 中村晃一 <br> 2014年5月15日 </small>
</section>
<section>
<h3>謝辞</h3>
<p>
この会の企画・会場設備の提供をして頂きました<br>
㈱ ワークスアプリケーションズ様<br>
にこの場をお借りして御礼申し上げます.
</p>
</section>
<section>
<h2 class="chapter-title"> カーネル法:ガウス過程 </h2>
</section>
<section>
<p>
前回は, 誤差関数の式変形により双対表現
\[ E(\mathbf{a}) = \mathbf{a}^T\mathbf{K}^2\mathbf{a} - 2\mathbf{a}^T\mathbf{K}\mathbf{y} + \mathbf{y}^T\mathbf{y}+\lambda \mathbf{a}^T\mathbf{K}\mathbf{a} \]
を得る事によって機械的にカーネル法を導きました.
</p>
<p class="fragment">
しかし, ベイズ的な考察によっても自然とカーネル関数が出てきます.
</p>
</section>
<section>
<p>
例として線形回帰モデル
\[ y = \mathbf{w}^T\Psi(\mathbf{x}) \]
を考えます.
</p>
<p class="fragment">
これをベイズ的に扱うので, $\mathbf{w}$ の事前分布を設定します. まず
\[ \mathbf{w} \sim \mathcal{N}(\mathbf{0}, \alpha^{-1}\mathbf{I}) \]
である場合を考えます.$\alpha$は分散の逆数で,精度パラメータと呼びます.
</p>
</section>
<section>
<p>
ここで, 入力データ $\mathbf{x}_1,\mathbf{x}_2,\ldots,\mathbf{x}_n$ を与えると, 理論値 $y_1,y_2,\ldots,y_n$ が得られますが, $\mathbf{w}$ が確率変数である事より $y_i$ も確率変数となります.
</p>
<p class="fragment">
そこで $\mathbf{y}=(y_1,y_2,\ldots,y_n)^T$ すなわち,
\[ \mathbf{y} = \mathbf{X}\mathbf{w} \quad (\text{$\mathbf{X}$は計画行列})\]
が従う確率分布について考えます.
</p>
</section>
<section>
<p>
各 $w_i$ が正規分布に従い互いに独立なので, その線形和で書ける $y_j$ もやはり正規分布に従います(正規分布の再生性). 従って平均と分散だけ判れば, $\mathbf{y}$ の分布が決定します.
</p>
<p class="fragment">
実際に計算してみると
\[ \mathbb{E}[\mathbf{y}] = \mathbb{E}[\mathbf{X}\mathbf{w}] = \mathbf{X}\mathbb{E}[\mathbf{w}] = \mathbf{0} \]
よって
\[ \mathrm{cov}[\mathbf{y}] = \mathbb{E}[\mathbf{y}\mathbf{y}^T] = \mathbf{X}\mathbb{E}[\mathbf{w}\mathbf{w}^T]\mathbf{X}^T = \frac{1}{\alpha}\mathbf{X}\mathbf{X}^T = \mathbf{K} \]
となります. つまり, $\mathbf{y}$ の事前分布が
\[ \mathbf{y} \sim \mathcal{N}\left(\mathbf{0}, \mathbf{K}\right) \]
となる事が分かりました.
</p>
</section>
<section>
<p>
ただし, $\mathbf{K}$ はカーネル関数
\[ K_{ij} = k(\mathbf{x}_i,\mathbf{x}_j)=\frac{1}{\alpha}\Psi(\mathbf{x}_i)^T\Psi(\mathbf{x}_j) \]
で定まるグラム行列です. この時,
\[ k(\mathbf{x},\mathbf{x}') = \mathbb{E}[y(\mathbf{x})y(\mathbf{x}')] \]
であるので, カーネル関数 $k(\mathbf{x},\mathbf{x}')$ を共分散関数として解釈する事が出来ます.
</p>
<p class="fragment">
このモデルのポイントはカーネル関数によって $\mathbf{y}$ の事前分布が完全に決定されるという事です.
</p>
</section>
<section>
<p>
これまでは $y$ と $\mathbf{x}$ の関係を $y = f(\mathbf{x},\mathbf{w})$ とモデル化し $\mathbf{w}$ に事前分布を定めるという方法でベイズ的な分析を行ってきました。
</p>
<p class="fragment">
しかし, 今の例と同様にパラメータ $\mathbf{w}$ を導入すること無く, $\mathbf{y}=(y_1,y_2,\ldots,y_n)^T$ の事前分布を直接
\[ p(\mathbf{y}) = \mathcal{N}(\mathbf{y}|\mathbf{0},\mathbf{K}) \]
によって定めるという新しいアプローチを考える事が出来ます.
</p>
<p class="fragment">
ここでは, どのような学習データ $y_1,\ldots,y_n$ に対しても常に
\[ p(\mathbf{y}) = \mathcal{N}(\mathbf{y}|\mathbf{0},\mathbf{K}) \]
が成り立つと仮定していますが, この様なモデルをガウス過程と呼びます.
</p>
</section>
<section>
<h3> ガウス過程・ガウスランダム場 </h3>
<p>
どのような $\mathbf{x}_1,\mathbf{x}_2,\ldots,\mathbf{x}_n$ を選んでも $\mathbf{y}=(y_1,y_2,\ldots,y_n)^T$ の従う分布が正規分布となるならば, このモデル $y=y(\mathbf{x})$ を <strong>ガウスランダム場(Gaussian random field)</strong> と呼びます. 特に独立変数が１つである場合にこれを <strong> ガウス過程 (Gaussian process)</strong> と呼びますが, 今後は両方ともガウス過程と呼ぶことにします.
</p>
<p class="fragment">
ガウスランダム場は平均値関数 $\mu(\mathbf{x})=\mathbb{E}[y(\mathbf{x})]$ と共分散関数 $k(\mathbf{x},\mathbf{x}') = \mathbb{E}[y(\mathbf{x})y(\mathbf{x}')]$ によって定まります.
</p>
</section>
<section>
<p>
以下は $\mu(x) = 0$ 及びガウスカーネル
\[ k(x, x') = \exp(-|x-x'|^2/2\sigma^2) \]
で定まるガウス過程からのサンプル例です.($\sigma=0.3$)
</p>
<div align="center"> <img width="600px" src="prog/fig11-1.png"> <a href="prog/prog11-1.py" style="font-size:60%">prog11-1.py</a> </div>
</section>
<section>
<p>
以下は $\mu(x) = 0$ 及び指数カーネル
\[ k(x, x') = \exp(-\theta|x-x'|) \]
で定まるガウス過程からのサンプル例です.($\theta=1$)
</p>
<div align="center"> <img width="600px" src="prog/fig11-2.png"> <a href="prog/prog11-2.py" style="font-size:60%">prog11-2.py</a> </div>
</section>
<section>
<h3> ガウス過程回帰 </h3>
<p>
今, 観測データの組 $(\mathbf{x}_i, t_i)$ が
\[ t_i = y_i + \varepsilon_i \]
と表されるとします. $\varepsilon_i$ はノイズを表す確率変数です.
</p>
<p class="fragment">
$\varepsilon_i$ が正規分布に従うと仮定し,
\[ p(t_i | y_i) = N(t_i|y_i, \beta^{-1}) \]
とおきます. $\beta$ は精度パラメータです.
</p>
<p class="fragment">
個々のノイズ $\varepsilon_1, \ldots, \varepsilon_n$ が独立に同一の分布から生じるならば, $i=1,\ldots,n$ についてまとめて
\[ p(\mathbf{t}|\mathbf{y}) = \mathcal{N}(\mathbf{t}|\mathbf{y},\beta^{-1}\mathbf{I}) \]
と書くことが出来ます.
</p>
</section>
<section>
<p>
さらに, $\mathbf{y}$ をガウス過程としてモデル化し
\[ p(\mathbf{y}) = \mathcal{N}(\mathbf{0},\mathbf{K}) \]
とします.
</p>
<p class="fragment">
すると, 観測値の分布は
\[ \begin{aligned}
p(\mathbf{t}) &= \int p(\mathbf{t}|\mathbf{y})p(\mathbf{y})\mathrm{d}\mathbf{y} \\
&= \mathcal{N}(\mathbf{t}|\mathbf{0},\mathbf{C})\quad (\mathbf{C} = \mathbf{K}+\beta^{-1}\mathbf{I})
\end{aligned} \]
となります(次頁の公式).
</p>
</section>
<section>
<div class="block" style="border-color:blue;font-size:90%">
<h4> 正規分布の周辺化の公式 </h4>
\[ \begin{aligned}
p(\mathbf{x})&=\mathcal{N}(\mathbf{x}|\boldsymbol{\mu},\mathbf{\Lambda}^{-1}) \\
p(\mathbf{y}|\mathbf{x}) &=\mathcal{N}(\mathbf{y}|\mathbf{A}\mathbf{x}+\mathbf{b},\mathbf{L}^{-1})
\end{aligned} \]
ならば
\[ p(\mathbf{y}) = \mathcal{N}(\mathbf{y}|\mathbf{A}\boldsymbol{\mu}+\mathbf{b},\mathbf{L}^{-1}+\mathbf{A}\boldsymbol{\Lambda}^{-1}\mathbf{A}^T) \]
</div>
</section>
<section>
<p>
さて, 今やりたい事は学習データ $\{(\mathbf{x}_1,t_1),\ldots,(\mathbf{x}_n,t_n)\}$ が与えられている時に, 新しい $\mathbf{x}_{n+1}$ に対する $t_{n+1}$ を予測する事です. つまり, $\mathbf{t}=(t_1,\ldots,t_n)^T$ が与えられた時の, $t_{n+1}$ の分布
\[ p(t_{n+1}|\mathbf{t}) \]
を求めれば良いです.
</p>
</section>
<section>
<p>
まず, 先ほどの全く同様にして
\[ p(\mathbf{t},t_{n+1}) = \mathcal{N}(\mathbf{t},t_{n+1}|\mathbf{0},\mathbf{C}') \]
となります. 但し
\[ \begin{aligned}
\mathbf{C}' &= \begin{pmatrix}
\mathbf{C}& \mathbf{k} \\
\mathbf{k}^T & c
\end{pmatrix} \\
\mathbf{k} &= (k(\mathbf{x}_1, \mathbf{x}_{n+1}),\ldots,k(\mathbf{x}_n,\mathbf{x}_{n+1}))^T\\
c &= k(\mathbf{x}_{n+1},\mathbf{x}_{n+1})+\beta^{-1}
\end{aligned} \]
です.
</p>
</section>
<section>
<p>
すると, 求める $t_{n+1}$ の分布は
\[ p(t_{n+1}|\mathbf{t})=\mathcal{N}(t_{n+1}|\mu, \sigma^2) \]
となります. 但し
\[ \begin{aligned}
\mu &= \mathbf{t}^T\mathbf{C}^{-1}\mathbf{k}\\
\sigma^2 &= c - \mathbf{k}^T\mathbf{C}^{-1}\mathbf{k}
\end{aligned} \]
です(次頁で解説).
</p>
<p class="fragment">
従って, $\mathbf{a}=\mathbf{C}^{-1}\mathbf{t}$ と置けば
\[ y = \sum_{i=1}^n a_ik(\mathbf{x}_i,\mathbf{x}) \]
となります. これを <strong> ガウス過程回帰 (Gaussian process regression) </strong> といいます.
</p>
</section>
<section style="font-size:80%">
<p>
【前頁の結果の説明】<br>
\[ \begin{aligned}
\mathbf{C}'^{-1} = \begin{pmatrix}\mathbf{C}&\mathbf{k}\\\mathbf{k}^T&c\end{pmatrix}^{-1} = \begin{pmatrix} \cdots & -\alpha \mathbf{C}^{-1}\mathbf{k} \\ -\alpha(\mathbf{C}^{-1}\mathbf{k})^T & \alpha\end{pmatrix}\\
\qquad (\alpha = (c-\mathbf{k}^T\mathbf{C}^{-1}\mathbf{k})^{-1})
\end{aligned} \]
と書けるので, $(\mathbf{t},t_{n+1})\mathbf{C}'^{-1}(\mathbf{t},t_{n+1})^T$ を $t_{n+1}$ について整理すれば
\[ \alpha(t_{n+1}^2 -\mathbf{t}^T\mathbf{C}^{-1}\mathbf{k}t_{n+1})+\cdots = \alpha||t_{n+1}-\mathbf{t}^T\mathbf{C}^{-1}\mathbf{k}||^2+\cdots \]
となる為.
</p>
</section>
<section>
<p>
まとめると以下のようになります.
</p>
<div class="block" style="border-color:blue;font-size:90%">
<h4> ガウス過程回帰 </h4>
<p>
学習データ $\{(\mathbf{x}_1,t_1),\ldots,(\mathbf{x}_n,t_n)\}$ に対して, $\mathbf{t} = (t_1,\ldots,t_n)^T$ とおく. また, 正定値カーネル $k(\mathbf{x},\mathbf{x}')$ で定まるグラム行列 $\mathbf{K}$ と精度パラメータ $\beta > 0$ に対して
\[ \mathbf{a} = (\mathbf{K} + \beta^{-1}\mathbf{I})^{-1}\mathbf{t} \]
とおく.
</p>
<p>
この時, 回帰方程式は
\[ y = \sum_{i=1}^n a_ik(\mathbf{x}_i,\mathbf{x}) \]
となる.
</p>
</div>
</section>
<section>
<p>
以下がガウス過程回帰の実験例です. ($\sigma=0.1$のガウスカーネル, 精度パラメータ$\beta=2$)
</p>
<div align="center"> <img width="600px" src="prog/fig11-3-1.png"> <a href="prog/prog11-3.py" style="font-size:60%">prog11-3.py</a> </div>
</section>
<section>
<p>
この時の $p(t|\mathbf{t})$ は以下の様になっています.
</p>
<div align="center"> <img width="600px" src="prog/fig11-3-2.png"> <a href="prog/prog11-3.py" style="font-size:60%">prog11-3.py</a> </div>
</section>
<section>
<h3> ガウス過程回帰で用いられるカーネル </h3>
<p>
今の例ではガウスカーネルを用いましたが, 一般には
\[ k(\mathbf{x},\mathbf{x}')=\theta_0\exp\left(-\frac{\theta_1}{2}||\mathbf{x}-\mathbf{x}'||^2\right) + \theta_2 + \theta_3\mathbf{x}^T\mathbf{x}' \]
という形のカーネルが良く利用されます.
</p>
<p>
$\boldsymbol{\theta}=(\theta_1,\theta_2,\theta_3,\theta_4)$ を色々変えた時のフィッティングの様子を見てみましょう.
</p>
</section>
<section>
<div align="center"> <img width="600px" src="prog/fig11-4-1.png"> <a href="prog/prog11-4.py" style="font-size:60%">prog11-4.py</a> </div>
</section>
<section>
<div align="center"> <img width="600px" src="prog/fig11-4-2.png"> <a href="prog/prog11-4.py" style="font-size:60%">prog11-4.py</a> </div>
</section>
<section>
<div align="center"> <img width="600px" src="prog/fig11-4-3.png"> <a href="prog/prog11-4.py" style="font-size:60%">prog11-4.py</a> </div>
</section>
<section>
<div align="center"> <img width="600px" src="prog/fig11-4-4.png"> <a href="prog/prog11-4.py" style="font-size:60%">prog11-4.py</a> </div>
</section>
<section>
<div align="center"> <img width="600px" src="prog/fig11-4-5.png"> <a href="prog/prog11-4.py" style="font-size:60%">prog11-4.py</a> </div>
</section>
<section>
<div align="center"> <img width="600px" src="prog/fig11-4-6.png"> <a href="prog/prog11-4.py" style="font-size:60%">prog11-4.py</a> </div>
</section>
<section>
<h3> 超パラメータの学習 </h3>
<p>
今の例における $\boldsymbol{\theta}=(\theta_0,\theta_1,\theta_2,\theta_3)$ は事前分布の設定に関わるパラメータであり, このようなパラメータを<strong>超パラメータ (hyper parameter)</strong>と呼びます.
</p>
<p>
続いて超パラメータを学習する事を考えます. 最尤法を使うならば
\[ L(\boldsymbol{\theta}|\mathbf{t})=p(\mathbf{t}|\boldsymbol{\theta}) \]
を最大化すれば良いです.
</p>
</section>
<section>
<p>
先ほど確認した様に
\[ \begin{aligned}
p(\mathbf{t}|\boldsymbol{\theta}) &= \mathcal{N}(\mathbf{t}|\mathbf{0},\mathbf{C})\qquad \small{(\mathbf{C} = \mathbf{K}+\beta^{-1}\mathbf{I})}\\
&= \frac{1}{(\sqrt{2\pi})^n\sqrt{|\mathbf{C}|}}\exp\left\{-\frac{1}{2}\mathbf{t}^T\mathbf{C}^{-1}\mathbf{t}\right\}
\end{aligned} \]
であるので, 対数尤度は
\[ \ln L(\boldsymbol{\theta}|\mathbf{t}) = -\frac{1}{2}\ln |\mathbf{C}|-\frac{1}{2}\mathbf{t}^T\mathbf{C}^{-1}\mathbf{t}-\frac{n}{2}\ln(2\pi) \]
となります.
</p>
</section>
<section style="font-size:90%">
<p>
これを最大化したいので勾配を計算します. 結果は以下のようになります.
\[ \frac{\partial}{\partial \theta_i}\ln L(\boldsymbol{\theta}|\mathbf{t}) = -\frac{1}{2}\mathrm{Tr}\left(\mathbf{C}^{-1}\frac{\partial\mathbf{C}}{\partial\theta_i}\right)+\frac{1}{2}\mathbf{t}^T\mathbf{C}^{-1}\frac{\partial\mathbf{C}}{\partial\theta_i}\mathbf{C}^{-1}\mathbf{t} \]
となります(次頁で解説).
</p>
</section>
<section style="font-size:70%">
<p>
【前頁解説】<br>
\[ \mathbf{C}\mathbf{C}^{-1}=\mathbf{I} \]
の両辺を $\theta_i$ で微分すると
\[ \frac{\partial \mathbf{C}}{\partial\theta_i}\mathbf{C}^{-1}+\mathbf{C}\frac{\partial\mathbf{C}^{-1}}{\partial\theta_i} = \mathbf{O} \]
となるので
\[ \frac{\partial\mathbf{C}^{-1}}{\partial\theta_i}=-\mathbf{C}^{-1}\frac{\partial\mathbf{C}}{\partial\theta_i}\mathbf{C}^{-1} \]
</p>
<p>
また, $\mathbf{C}$ の固有値・固有ベクトルを $(\lambda_i,\mathbf{u}_i)\quad (i=1,\ldots,n)$ とする. $\{\mathbf{u}_i\}$は正規直交基底をなすようにとる. $\mathbf{C}$は対称行列だから
\[ \mathbf{C} = \sum_i\lambda_i\mathbf{u}_i\mathbf{u}_i^T \]
と表す事が出来,
\[ \frac{\partial \mathbf{C}}{\partial\theta} = \sum_i\frac{\partial\lambda_i}{\partial\theta}\mathbf{u}_i\mathbf{u}_i^T+\sum_i2\lambda_i\mathbf{u}_i\frac{\partial\mathbf{u}_i^T}{\partial\theta} \]
となる.
</p>
</section>
<section style="font-size:70%">
<p>
これと
\[ \mathbf{C}^{-1} = \sum_i\frac{1}{\lambda_i}\mathbf{u}_i\mathbf{u}_i^T \]
を掛けて, $\mathbf{u}_i^T\mathbf{u}_j = \delta_{ij}$ を用いると
\[ \mathbf{C}^{-1}\frac{\partial\mathbf{C}}{\partial\theta} = \sum_i\frac{1}{\lambda_i}\frac{\partial\lambda_i}{\partial\theta}\mathbf{u}_i\mathbf{u}_i^T+\sum_i2\mathbf{u}_i\frac{\partial\mathbf{u}_i^T}{\partial\theta} \]
となる. よって $\mathrm{Tr}(\mathbf{a}\mathbf{b}^T)=\mathbf{a}^T\mathbf{b}$ を用いて
\[ \mathrm{Tr}\left(\mathbf{C}^{-1}\frac{\partial\mathbf{C}}{\partial\theta}\right) = \sum_i\frac{1}{\lambda_i}\frac{\partial\lambda_i}{\partial\theta}\mathbf{u}_i^T\mathbf{u}_i+\sum_i2\mathbf{u}_i^T\frac{\partial\mathbf{u}_i}{\partial\theta} \]
となり, $||\mathbf{u}_i||^2=1$ とこの両辺を微分して得られる
\[ 2u_i^T\frac{\partial u_i}{\partial\theta} = 0 \]
を代入すれば
\[ \mathrm{Tr}\left(\mathbf{C}^{-1}\frac{\partial\mathbf{C}}{\partial\theta}\right) = \sum_i\frac{1}{\lambda_i}\frac{\partial\lambda_i}{\partial\theta} \]
となる.
</p>
</section>
<section style="font-size:70%">
<p>
ここで $|\mathbf{C}|=\prod_i\lambda_i$ であるから
\[ \begin{aligned}
\frac{\partial}{\partial\theta}\ln|\mathbf{C}|&=\frac{\partial}{\partial\theta}\sum_i\ln\lambda_i\\
&= \sum_i\frac{1}{\lambda_i}\frac{\partial\lambda_i}{\partial\theta}
\end{aligned} \]
となる.
</p>
<p>
よって
\[ \frac{\partial}{\partial\theta}\ln|\mathbf{C}| = \mathrm{Tr}\left(\mathbf{C}^{-1}\frac{\partial\mathbf{C}}{\partial\theta}\right) \]
となる.
</p>
</section>
<section>
<p>
以下は先ほどのカーネル
\[ k(\mathbf{x},\mathbf{x}')=\theta_0\exp\left(-\frac{\theta_1}{2}||\mathbf{x}-\mathbf{x}'||^2\right) + \theta_2 + \theta_3\mathbf{x}^T\mathbf{x}' \]
に対する学習結果です.
</p>
<div align="center"> <img width="600px" src="prog/fig11-6.png"> <a href="prog/prog11-6.py" style="font-size:60%">prog11-6.py</a> </div>
</section>
<section>
<p>
最尤法ではなくMAP推定でもやってみます. 事後分布の密度の対数は
\[ \ln p(\boldsymbol{\theta}|\mathbf{t})= \ln L(\boldsymbol{\theta}|\mathbf{t}) + \ln p(\boldsymbol{\theta}) + \mathrm{const.}\]
なので, $\theta_i$ は互いに独立だとすれば
\[ \ln p(\boldsymbol{\theta}|\mathbf{t})= \ln L(\boldsymbol{\theta}|\mathbf{t}) + \sum_{i=0}^3\ln p(\theta_i) + \mathrm{const.}\]
となります.
</p>
</section>
<section>
<p>
$\boldsymbol{\theta}$ の事前分布ですが, $\theta_i \geq 0$ でなければならないので正規分布は使えません.
</p>
<p>
そこで, ガンマ分布
\[ p(\theta_i) \approx \theta_i^{k_i-1}\exp(-\theta_i/s_i) \qquad (\theta_i \geq 0)\]
を使ってみます. $k_i$は形状母数, $s_i$ は尺度母数です. すると
\[\ln p(\theta_i) = -\frac{\theta_i}{s_i} + (k_i-1)\ln\theta_i + \mathrm{const.} \]
なので
\[\frac{\partial}{\partial\theta_i} \ln p(\boldsymbol{\theta}|\mathbf{t})= \frac{\partial}{\partial\theta_i}\ln L(\boldsymbol{\theta}|\mathbf{t}) - \frac{1}{s_i} + \frac{k_i-1}{\theta_i}\]
となります.
</p>
</section>
<section>
<p>
MAP推定による超パラメータの学習結果は以下のようになります. $(k_i = 2, s_i = 2)$
</p>
<div align="center"> <img width="600px" src="prog/fig11-8.png"> <a href="prog/prog11-8.py" style="font-size:60%">prog11-8.py</a> </div>
</section>
<section>
<h3> ガウス過程に基づく識別問題 </h3>
<p>
続いてガウス過程モデルに基づく識別問題を考えます.
</p>
<p>
2クラスの場合は, これまでと同様にロジスティックモデル
\[ y=\sigma(a(\mathbf{x})) \]
を用います. $\sigma$ はシグモイド関数です.
</p>
<p>
ここで, 活性化関数 $a(\mathbf{x})$ をガウス過程によってモデル化する事を考えます.
</p>
</section>
<section>
<p>
先ほどと同様に学習データ $\{(\mathbf{x}_1,t_1),\ldots,(\mathbf{x}_n,t_n)\}$ が与えられた時に, 新たな $\mathbf{x}_{n+1}$ に対する $t_{n+1}$ の分布
\[ p(t_{n+1}|\mathbf{t}) \]
を考えます. この時, 仮定より $\mathbf{a}=(a(\mathbf{x}_1),\ldots,a(\mathbf{x}_n))$ 及び $a_{n+1}=a(\mathbf{x}_{n+1})$ に対して
\[ \begin{aligned}
p(\mathbf{a}) &= \mathcal{N}(\mathbf{a}|\mathbf{0},\mathbf{C}) \\
p(\mathbf{a},a_{n+1}) &= \mathcal{N}(\mathbf{a},a_{n+1}|\mathbf{0},\mathbf{C}')
\end{aligned} \]
と置くことが出来ます.
</p>
</section>
<section>
<p>
さらに, 先ほどと同様に
\[ \mathbf{C} = \mathbf{K} + \nu\mathbf{I} \qquad (\nu > 0)\]
とおきます.
</p>
<p>
回帰の例では誤差の分散の逆数 $\beta$ によって $\mathbf{C} = \mathbf{K} + \beta^{-1}\mathbf{I}$ となりましたが, 上で登場した $\nu$ はそれと異なるので注意が必要です. 何故ならば, 識別問題における学習データは離散的なので誤差が存在しないからです.
</p>
<p>
$\nu$ は $\mathbf{C}$ の正定値性の為に導入される人工的なパラメータです.
</p>
</section>
<section>
<p>
さて, 求める $t_{n+1}$ の分布は
\[ p(t_{n+1}|\mathbf{t}) = \int p(t_{n+1}|a_{n+1})p(a_{n+1}|\mathbf{t})\mathrm{d}a_{n+1} \]
により定まりますが, これをどうやって計算するのかが問題となります. 面倒なのは$p(a_{n+1}|\mathbf{t})$ の部分です.
</p>
<p>
ここではテキストに沿って, <strong> ラプラス近似 (Laplace approximation) </strong> を用いる方法を紹介します.
</p>
</section>
<section>
<p>
まず, ベイズの定理を2度用いて
\[ \begin{aligned}
p(a_{n+1}|\mathbf{t})&=\int p(a_{n+1},\mathbf{a}|\mathbf{t})\mathrm{d}\mathbf{a} \\
&= \frac{1}{p(\mathbf{t})}\int p(\mathbf{t}|a_{n+1},\mathbf{a})p(a_{n+1},\mathbf{a})\mathrm{d}\mathbf{a}\\
&= \frac{1}{p(\mathbf{t})}\int p(\mathbf{t}|\mathbf{a})p(a_{n+1}|\mathbf{a})p(\mathbf{a})\mathrm{d}\mathbf{a}\\
&= \int p(\mathbf{a}|\mathbf{t})p(a_{n+1}|\mathbf{a})\mathrm{d}\mathbf{a}\\
\end{aligned} \]
と変形します.
</p>
</section>
<section>
<p>
続いて, 回帰の時と同様にガウス過程の仮定を利用して
\[ p(a_{n+1}|\mathbf{a}) = \mathcal{N}(a_{n+1}|\mathbf{a}^T\mathbf{C}^{-1}\mathbf{k}, c-\mathbf{k}^T\mathbf{C}^{-1}\mathbf{k}) \]
を得ます.
</p>
<p class="fragment">
また,
\[ p(\mathbf{t}|\mathbf{a}) =\prod_{i=1}^n \sigma(a_i)^{t_i}(1-\sigma(a_i))^{1-t_i} \]
です.
</p>
</section>
<section>
<p>
ここでラプラス近似を使います. ラプラス近似とは $f(\mathbf{x})$ の対数を一旦取って, $\nabla \ln f(\mathbf{x})$ が $\mathbf{0}$ になる点 $\mathbf{x}_0$ の周りで2次テイラー展開を行う事によって $f(\mathbf{x})$ を近似するものです.
</p>
<p class="fragment">
実際にやってみると, $\mathbf{x}_0$ で1階微分の項が消える事から
\[ \ln f(\mathbf{x})\approx \ln f(\mathbf{x}_0) - \frac{1}{2} (\mathbf{x}-\mathbf{x}_0)^T\mathbf{A}(\mathbf{x}-\mathbf{x}_0) \]
となります. 但し $\mathbf{A} = -\nabla\nabla \ln f(\mathbf{x})|_{\mathbf{x}=\mathbf{x}_0}$ です.
</p>
<p class="fragment">
すると,
\[ f(\mathbf{x}) \approx f(\mathbf{x}_0) \exp\left\{-\frac{1}{2}(\mathbf{x}-\mathbf{x}_0)^T\mathbf{A}(\mathbf{x}-\mathbf{x}_0) \right\} \]
となります. これがラプラス近似の公式です. 正規表現の密度関数と同じ形である事に注意しましょう.
</p>
</section>
<section>
<p>
いま,
\[ p(\mathbf{a}|\mathbf{t})\approx p(\mathbf{t}|\mathbf{a})p(\mathbf{a}) \]
を計算する為に, 右辺のラプラス近似を行います.
</p>
<p class="fragment">
まず, 対数を取ります.
\[ \begin{aligned}
\Psi(\mathbf{a}) &= \ln p(\mathbf{t}|\mathbf{a}) + \ln p(\mathbf{a}) \\
&= -\frac{1}{2}\ln|\mathbf{C}| - \frac{1}{2}\mathbf{a}^T\mathbf{C}^{-1}\mathbf{a} - \frac{n}{2}\ln(2\pi) \\
& + \sum_{i=1}^n\left\{t_i\ln\sigma(a_i) + (1-t_i)\ln(1-\sigma(a_i))\right\}
\end{aligned} \]
続いて, 2階微分係数まで計算します.
</p>
</section>
<section>
<p>
まず,
\[ \nabla \Psi(\mathbf{a}) = -\mathbf{C}^{-1}\mathbf{a} + \mathbf{t} - \boldsymbol{\sigma} \]
となります. 但し $\boldsymbol{\sigma}=(\sigma(a_1),\ldots,\sigma(a_n))^T$ です.
</p>
<p style="font-size:70%">
【$\mathbf{t}-\boldsymbol{\sigma}$の導出】<br>
\[ \frac{\partial}{\partial a_i}\sigma(a_i) = \sigma(a_i)(1-\sigma(a_i)) \]
なので
\[ \frac{\partial}{\partial a_i}\ln\sigma(a_i) = 1-\sigma(a_i) \]
同様に
\[ \frac{\partial}{\partial a_i}\ln(1-\sigma(a_i)) = -\sigma(a_i) \]
従って
\[
\frac{\partial}{\partial a_i}\sum_{i=1}^n\left\{t_i\ln\sigma(a_i) + (1-t_i)\ln(1-\sigma(a_i))\right\}
=t_i(1-\sigma(a_i))-(1-t_i)\sigma(a_i)
=t_i - \sigma(a_i)
\]
</p>
</section>
<section>
<p>
続いて
\[ \nabla\nabla \Psi(\mathbf{a}) = -\mathbf{W} - \mathbf{C}^{-1} \]
となります. 但し $\mathbf{W}$ は対角行列であり, $W_{ii} = \sigma(a_i)(1-\sigma(a_i))$ です.
</p>
</section>
<section>
<p>
さて, $\nabla \Psi(\mathbf{a}) = \mathbf{0}$ となる点を見つけなければいけませんが,
\[ \nabla \Psi(\mathbf{a}) = -\mathbf{C}^{-1}\mathbf{a} + \mathbf{t} - \boldsymbol{\sigma} \]
を解析的に $\mathbf{a}$ について解くことは出来ません.
</p>
<p class="fragment">
そこで, ニュートン・ラフソン法(第5回)を利用することが出来ます. 更新式は
\[ \begin{aligned}
\mathbf{a}^{(k+1)} &= \mathbf{a}^{(k)} - (\nabla\nabla \Psi(\mathbf{a}))^{-1}\nabla \Psi(\mathbf{a})\\
&= \mathbf{a}^{(k)} + (\mathbf{W}+\mathbf{C}^{-1})^{-1}(-\mathbf{C}^{-1}\mathbf{a}^{(k)} + \mathbf{t} - \boldsymbol{\sigma})\\
&= \mathbf{C}(\mathbf{W}\mathbf{C}+\mathbf{I})^{-1}(\mathbf{W}\mathbf{a}^{(k)} + \mathbf{t} - \boldsymbol{\sigma})\\
\end{aligned} \]
となります. この極限値を
\[ \mathbf{a}_0 = \lim_{k\rightarrow\infty}\mathbf{a}^{(k)} \]
とおきます.
</p>
</section>
<section>
<p>
すると, ラプラス近似の公式より $C$ を定数として
\[ p(\mathbf{a}|\mathbf{t})\approx C\exp\left\{-\frac{1}{2}(\mathbf{a}-\mathbf{a}_0)^T(\mathbf{W}+\mathbf{C}^{-1})(\mathbf{a}-\mathbf{a}_0)\right\} \]
となります. よって, 右辺は正規分布の密度関数の形をしていますから
\[ p(\mathbf{a}|\mathbf{t}) \approx \mathcal{N}(\mathbf{a}|\mathbf{a}_0, (\mathbf{W}+\mathbf{C}^{-1})^{-1}) \]
となります.
</p>
</section>
<section>
<p>
以上より
\[ \begin{aligned}
p(\mathbf{a}|\mathbf{t}) &= \mathcal{N}(\mathbf{a}|\mathbf{a}_0, (\mathbf{W}+\mathbf{C}^{-1})^{-1}) \\
p(a_{n+1}|\mathbf{a}) &= \mathcal{N}(a_{n+1}|\mathbf{a}^T\mathbf{C}^{-1}\mathbf{k}, c-\mathbf{k}^T\mathbf{C}^{-1}\mathbf{k})
\end{aligned} \]
なので,
\[ p(a_{n+1}|\mathbf{t}) = \mathcal{N}(\mathbf{k}^T(\mathbf{t}-\boldsymbol{\sigma}), c-\mathbf{k}^T(\mathbf{W}^{-1}+\mathbf{C})^{-1}\mathbf{k}) \]
となります.
</p>
<p style="font-size:70%">
【導出】<br>
平均 $\mu$ は $\mathbf{C}^{-1}\mathbf{a}_0 = \mathbf{t}-\boldsymbol{\sigma}$ を用いて
\[ \mu = \mathbf{k}^T\mathbf{C}^{-1}\mathbf{a}_0 = \mathbf{k}^T(\mathbf{t}-\boldsymbol{\sigma}) \]
分散 $\sigma^2$ は公式 $(A+B)^{-1}=A^{-1}-A^{-1}(B^{-1}+A^{-1})^{-1}A^{-1}$ を用いて
\[\begin{aligned}
\sigma^2 &= c-\mathbf{k}^T\mathbf{C}^{-1}\mathbf{k}+\mathbf{k}^T\mathbf{C}^{-1}(\mathbf{W}+\mathbf{C}^{-1})^{-1}\mathbf{C}^{-1}\mathbf{k} \\
&= c-\mathbf{k}^T(\mathbf{W}^{-1}+\mathbf{C})^{-1}\mathbf{k}
\end{aligned}\]
</p>
</section>
<section>
<p>
最初の式を思い出すと
\[ p(t_{n+1}|\mathbf{t}) = \int p(t_{n+1}|a_{n+1})p(a_{n+1}|\mathbf{t})\mathrm{d}a_{n+1} \]
だったので,
\[ p(t_{n+1}=1|\mathbf{t})=\int \sigma(a_{n+1})\mathcal{N}(\mu,\sigma^2)\mathrm{d}a_{n+1} \]
となります. 但し $\mu,\sigma^2$は前頁の値です.
</p>
<p class="fragment">
この計算には
\[ \int \sigma(a)\mathcal{N}(a|\mu,\sigma^2)\mathrm{d}a \approx \sigma\left(\frac{\mu}{\sqrt{1+\pi\sigma^2/8}} \right) \]
という近似を利用できます(次頁).
</p>
</section>
<section style="font-size:70%">
<p>
【前頁の近似の導出】<br>
まず,シグモイド関数を標準正規分布の累積関数
\[ \Phi(a)=\int_{-\infty}^a\mathcal{N}(x|0,1)\mathrm{d}x \]
を用いて近似する. この時
\[ \sigma'(0) = \sigma(0)(1-\sigma(0))=\frac{1}{4},\qquad \Phi'(0) = \frac{1}{\sqrt{2\pi}} \]
であるので, $a=0$ における勾配が一致するようにすると
\[ \sigma(a) \approx \Phi(\lambda a)\qquad (\lambda=\sqrt{\pi/8}) \]
となる.
</p>
<div align="center"> <img width="400px" src="prog/fig11-9.png"> <a href="prog/prog11-9.py" style="font-size:60%">prog11-9.py</a> </div>
</section>
<section style="font-size:70%">
<p>
すると,
\[\begin{aligned}
\int \sigma(a)\mathcal{N}(a|\mu,\sigma^2)\mathrm{d}a &\approx \int\Phi(\lambda a)\mathcal{N}(a|\mu,\sigma^2)\mathrm{d}a \\
&= \int_{-\infty}^\infty\int_{-\infty}^{\lambda a}\mathcal{N}(t|0,1)\mathcal{N}(a|\mu,\sigma^2)\mathrm{d}t\mathrm{d}a\\
\end{aligned} \]
となる. ここで $(u,v) = (a, -\lambda a + t)$ と置換すれば
\[\begin{aligned}
&\int_{-\infty}^\infty\int_{-\infty}^{\lambda a}\mathcal{N}(t|0,1)\mathcal{N}(a|\mu,\sigma^2)\mathrm{d}t\mathrm{d}a\\
=& \int_{-\infty}^\infty\int_{-\infty}^0\mathcal{N}(\lambda u+v|0,1)\mathcal{N}(u|\mu,\sigma^2)\mathrm{d}v\mathrm{d}u \\
=& \frac{1}{2\pi\sigma}\int_{-\infty}^0\int_{-\infty}^\infty \exp\left\{-\frac{(\lambda u + v)^2}{2}-\frac{(u-\mu)^2}{2\sigma^2}\right\}\mathrm{d}u\mathrm{d}v \\
=&\frac{1}{2\pi\sigma}\int_{-\infty}^0\int_{-\infty}^\infty \exp\left\{-\frac{\lambda^2+\sigma^{-2}}{2}\left(u-\frac{\mu\sigma^{-2}-\lambda v}{\lambda^2+\sigma^{-2}}\right)^2\right\}\exp\left\{-\frac{(v+\lambda\mu)^2}{2(\lambda^2\sigma^2+1)}\right\}\mathrm{d}u\mathrm{d}v
\end{aligned} \]
</p>
</section>
<section style="font-size:70%">
<p>
\[\begin{aligned}
=&\frac{1}{\sqrt{2\pi(\lambda^2\sigma^2+1)}}\int_{-\infty}^0\exp\left\{-\frac{(v+\lambda\mu)^2}{2(\lambda^2\sigma^2+1)}\right\}\mathrm{d}v \\
\end{aligned} \]
となるので $t = (v+\lambda\mu)/\sqrt{\lambda^2\sigma^2+1}$ と置換すれば
\[\begin{aligned}
=&\frac{1}{\sqrt{2\pi}}\int_{-\infty}^{\lambda\mu/\sqrt{\lambda^2\sigma^2+1}}\exp(-t^2/2)\mathrm{d} t\\
=&\Phi\left(\frac{\lambda\mu}{\sqrt{\lambda^2\sigma^2+1}}\right) \\
\end{aligned} \]
となり, 最後に再び $ \sigma(a) \approx \Phi(\lambda a)$ を用いれば
\[\begin{aligned}
=&\sigma\left(\frac{\mu}{\sqrt{1+\lambda^2\sigma^2}}\right) =\sigma\left(\frac{\mu}{\sqrt{1+\pi\sigma^2/8}}\right)
\end{aligned} \]
となる. ■
</p>
</section>
<section style="font-size:90%">
<p> 以上をまとめると以下のようになります. </p>
<div class="block" style="border-color:blue;font-size:90%">
<h4> ガウス過程を用いた識別 </h4>
<p>
\[ y = p(t_{n+1}|\mathbf{t}) = \sigma\left(\frac{\mu}{\sqrt{1+\pi\sigma^2/8}}\right) \]
但し
\[ \mu = \mathbf{k}^T(\mathbf{t}-\boldsymbol{\sigma}),\quad \sigma^2 = c-\mathbf{k}^T(\mathbf{W}^{-1}+\mathbf{C})^{-1}\mathbf{k} \]
\[ \mathbf{C}=\mathbf{K}+\nu\mathbf{I},\quad k_i = k(\mathbf{x}_i,\mathbf{x}),\quad c = k(\mathbf{x},\mathbf{x})+\nu \]
\[ W_{ii} = \sigma(a_i)(1-\sigma(a_i)), W_{ij}=0\quad(i\neq j) \]
であり, $\boldsymbol{\sigma}$ 及び $\mathbf{W}$ は
\[ \mathbf{a}^{(k+1)} = \mathbf{C}(\mathbf{I}+\mathbf{W}\mathbf{C})^{-1}(\mathbf{t}-\boldsymbol{\sigma}+\mathbf{W}\mathbf{a}^{(k)}) \]
の極限値 $\mathbf{a}_0$ における値を用いる.
</p>
</div>
</section>
<section>
<p>
以下が実装例です. ガウスカーネル $k(\mathbf{x},\mathbf{x}')=\exp(-||\mathbf{x}-\mathbf{x}'||^2/2\sigma^2)$ を用いています.
</p>
<div align="center"> <img width="600px" src="prog/fig11-7-1.png"> <a href="prog/prog11-7.py" style="font-size:60%">prog11-7.py</a> </div>
</section>
<section>
<p>
以下が実装例です. ガウスカーネル $k(\mathbf{x},\mathbf{x}')=\exp(-||\mathbf{x}-\mathbf{x}'||^2/2\sigma^2)$ を用いています.
</p>
<div align="center"> <img width="600px" src="prog/fig11-7-2.png"> <a href="prog/prog11-7.py" style="font-size:60%">prog11-7.py</a> </div>
</section>
<section>
<p>
ガウスカーネルの $\sigma$ を小さくしすぎると下の様になってしまいます. $\sigma$ が小さいならば $\mathbf{x}$ と $\mathbf{x}'$ かなり近づかないと, 共分散 $k(\mathbf{x},\mathbf{x}')$ が大きくならない為です.
</p>
<div align="center"> <img width="600px" src="prog/fig11-7-3.png"> <a href="prog/prog11-7.py" style="font-size:60%">prog11-7.py</a> </div>
</section>
<section>
<p>
ガウスカーネルの $\sigma$ を小さくしすぎると下の様になってしまいます. $\sigma$ が小さいならば $\mathbf{x}$ と $\mathbf{x}'$ かなり近づかないと, 共分散 $k(\mathbf{x},\mathbf{x}')$ が大きくならない為です.
</p>
<div align="center"> <img width="600px" src="prog/fig11-7-4.png"> <a href="prog/prog11-7.py" style="font-size:60%">prog11-7.py</a> </div>
</section>
<section>
<p>
同様に $\sigma$ を大きくしすぎると以下のようになります.
</p>
<div align="center"> <img width="600px" src="prog/fig11-7-5.png"> <a href="prog/prog11-7.py" style="font-size:60%">prog11-7.py</a> </div>
</section>
<section>
<p>
同様に $\sigma$ を大きくしすぎると以下のようになります.
</p>
<div align="center"> <img width="600px" src="prog/fig11-7-6.png"> <a href="prog/prog11-7.py" style="font-size:60%">prog11-7.py</a> </div>
</section>
<section>
<h3> ニューラルネットワークとの関係 </h3>
<p>
Neal[1996]によると, 隠れ層の数が $M$ 個のベイジアンニューラルネットワークの多くにおいて
\[ M\rightarrow\infty \]
の極限を考えると, ネットワークの出力がガウス過程となります. つまり隠れ層が無限個のニューラルネットワークと見なす事が出来ます.
</p>
<p>
但し極限を取ることによって失われてしまう情報がある($M\rightarrow\infty$ では全ての出力 $y_i$が独立になる等)為,
一概にガウス過程モデルの方が優れていると言えるわけではありません.
</p>
</section>
<section>
<h3> 第11回はここで終わります </h3>
<p>
次回は第7章スパースカーネルマシンに進みます. サポートベクタマシンの話題が主です.
</p>
</section>
</div>
</div>
<script src="lib/js/head.min.js"></script>
<script src="js/reveal.min.js"></script>
<script>
// Full list of configuration options available here:
// https://github.com/hakimel/reveal.js#configuration
Reveal.initialize({
controls: false,
progress: true,
history: true,
center: true,
rollingLinks: false,
theme: Reveal.getQueryHash().theme, // available themes are in /css/theme
transition: Reveal.getQueryHash().transition || 'none', // default/cube/page/concave/zoom/linear/fade/none
// Optional libraries used to extend on reveal.js
dependencies: [
{ src: 'lib/js/classList.js', condition: function() { return !document.body.classList; } },
{ src: 'plugin/markdown/showdown.js', condition: function() { return !!document.querySelector( '[data-markdown]' ); } },
{ src: 'plugin/markdown/markdown.js', condition: function() { return !!document.querySelector( '[data-markdown]' ); } },
{ src: 'plugin/highlight/highlight.js', async: true, callback: function() { hljs.initHighlightingOnLoad(); } },
{ src: 'plugin/zoom-js/zoom.js', async: true, condition: function() { return !!document.body.classList; } },
{ src: 'plugin/notes/notes.js', async: true, condition: function() { return !!document.body.classList; } }
// { src: 'plugin/search/search.js', async: true, condition: function() { return !!document.body.classList; } }
// { src: 'plugin/remotes/remotes.js', async: true, condition: function() { return !!document.body.classList; } }
]
});
Reveal.addEventListener( 'slidechanged', function( event ) {
MathJax.Hub.Rerender(event.currentSlide);
});
</script>
</body>
</html>