パターン認識と機械学習入門 第4回 参加メモ
資料
ギブスサンプリング
- MH法の特別な場合と見なせる
目標分布 π(x1, x2, …, xm) に対して、マルコフ連鎖の1ステップ (x1, x2, …, xm) → (x'1, x'2,…, x'm) を1次元ずつ m ステップで行う.
π(x'1 | x2, x3, x4, …, xm) に従い x'1 を生成
π(x'2 | x'1, x3,x4, …, xm) に従い x'2 を生成
π(x'3 | x'1, x'2, x4, …, xm) に従い x'3 を生成
...
π(x'm | x'1, x'2, x'3, …, x'm−1) に従い x'm を生成
線形識別モデル
- 2クラスの識別では線形識別関数 f(x) に対して
- f(x) > 0 ならC1
- f(x) < 0 ならC2
というように識別を行う
- 多クラスの場合
- 各クラス c 毎に識別関数 fc(x) を定め、「fc(x) が最大の c を選ぶ」という方法をとる
