Enviar pesquisa
Carregar
パターン認識と機械学習 §8.3.4 有向グラフとの関係
•
2 gostaram
•
3,368 visualizações
P
Prunus 1350
Seguir
2013/7/21(日) @ニフティ株式会社 セミナールーム
Leia menos
Leia mais
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 21
Baixar agora
Baixar para ler offline
Recomendados
PRML輪読#8
PRML輪読#8
matsuolab
PRML輪読#11
PRML輪読#11
matsuolab
8.4 グラフィカルモデルによる推論
8.4 グラフィカルモデルによる推論
sleepy_yoshi
PRML輪読#13
PRML輪読#13
matsuolab
Chapter2.3.6
Chapter2.3.6
Takuya Minagawa
PRML輪読#12
PRML輪読#12
matsuolab
PRML8章
PRML8章
弘毅 露崎
PRML輪読#9
PRML輪読#9
matsuolab
Recomendados
PRML輪読#8
PRML輪読#8
matsuolab
PRML輪読#11
PRML輪読#11
matsuolab
8.4 グラフィカルモデルによる推論
8.4 グラフィカルモデルによる推論
sleepy_yoshi
PRML輪読#13
PRML輪読#13
matsuolab
Chapter2.3.6
Chapter2.3.6
Takuya Minagawa
PRML輪読#12
PRML輪読#12
matsuolab
PRML8章
PRML8章
弘毅 露崎
PRML輪読#9
PRML輪読#9
matsuolab
PRML 1.6 情報理論
PRML 1.6 情報理論
sleepy_yoshi
Prml Reading Group 10 8.3
Prml Reading Group 10 8.3
正志 坪坂
PRML上巻勉強会 at 東京大学 資料 第1章後半
PRML上巻勉強会 at 東京大学 資料 第1章後半
Ohsawa Goodfellow
PRML輪読#10
PRML輪読#10
matsuolab
研究室内PRML勉強会 11章2-4節
研究室内PRML勉強会 11章2-4節
Koji Matsuda
PRML 6.1章 カーネル法と双対表現
PRML 6.1章 カーネル法と双対表現
hagino 3000
PRML 8.2 条件付き独立性
PRML 8.2 条件付き独立性
sleepy_yoshi
MLaPP 5章 「ベイズ統計学」
MLaPP 5章 「ベイズ統計学」
moterech
PRML_titech 2.3.1 - 2.3.7
PRML_titech 2.3.1 - 2.3.7
Takafumi Sakakibara
猫でも分かりたい線形回帰の自由度
猫でも分かりたい線形回帰の自由度
YukinoriKambe
Prml 1.3~1.6 ver3
Prml 1.3~1.6 ver3
Toshihiko Iio
PRML輪読#3
PRML輪読#3
matsuolab
Control as Inference (強化学習とベイズ統計)
Control as Inference (強化学習とベイズ統計)
Shohei Taniguchi
ベイズ深層学習5章 ニューラルネットワークのベイズ推論 Bayesian deep learning
ベイズ深層学習5章 ニューラルネットワークのベイズ推論 Bayesian deep learning
ssuserca2822
PRML11章
PRML11章
Takashi Tamura
パターン認識と機械学習(PRML)第2章 確率分布 2.3 ガウス分布
パターン認識と機械学習(PRML)第2章 確率分布 2.3 ガウス分布
Nagayoshi Yamashita
色々な確率分布とその応用
色々な確率分布とその応用
Hiroki Iida
PRML読み会第一章
PRML読み会第一章
Takushi Miki
PRML上巻勉強会 at 東京大学 資料 第2章2.3.3 〜 2.3.6
PRML上巻勉強会 at 東京大学 資料 第2章2.3.3 〜 2.3.6
Hiroyuki Kato
PRML 12.2-12.2.2
PRML 12.2-12.2.2
kazunori sakai
機械学習の理論と実践
機械学習の理論と実践
Preferred Networks
SAS University EditionでもJupyter Notebookが使えるようになった話
SAS University EditionでもJupyter Notebookが使えるようになった話
Prunus 1350
Mais conteúdo relacionado
Mais procurados
PRML 1.6 情報理論
PRML 1.6 情報理論
sleepy_yoshi
Prml Reading Group 10 8.3
Prml Reading Group 10 8.3
正志 坪坂
PRML上巻勉強会 at 東京大学 資料 第1章後半
PRML上巻勉強会 at 東京大学 資料 第1章後半
Ohsawa Goodfellow
PRML輪読#10
PRML輪読#10
matsuolab
研究室内PRML勉強会 11章2-4節
研究室内PRML勉強会 11章2-4節
Koji Matsuda
PRML 6.1章 カーネル法と双対表現
PRML 6.1章 カーネル法と双対表現
hagino 3000
PRML 8.2 条件付き独立性
PRML 8.2 条件付き独立性
sleepy_yoshi
MLaPP 5章 「ベイズ統計学」
MLaPP 5章 「ベイズ統計学」
moterech
PRML_titech 2.3.1 - 2.3.7
PRML_titech 2.3.1 - 2.3.7
Takafumi Sakakibara
猫でも分かりたい線形回帰の自由度
猫でも分かりたい線形回帰の自由度
YukinoriKambe
Prml 1.3~1.6 ver3
Prml 1.3~1.6 ver3
Toshihiko Iio
PRML輪読#3
PRML輪読#3
matsuolab
Control as Inference (強化学習とベイズ統計)
Control as Inference (強化学習とベイズ統計)
Shohei Taniguchi
ベイズ深層学習5章 ニューラルネットワークのベイズ推論 Bayesian deep learning
ベイズ深層学習5章 ニューラルネットワークのベイズ推論 Bayesian deep learning
ssuserca2822
PRML11章
PRML11章
Takashi Tamura
パターン認識と機械学習(PRML)第2章 確率分布 2.3 ガウス分布
パターン認識と機械学習(PRML)第2章 確率分布 2.3 ガウス分布
Nagayoshi Yamashita
色々な確率分布とその応用
色々な確率分布とその応用
Hiroki Iida
PRML読み会第一章
PRML読み会第一章
Takushi Miki
PRML上巻勉強会 at 東京大学 資料 第2章2.3.3 〜 2.3.6
PRML上巻勉強会 at 東京大学 資料 第2章2.3.3 〜 2.3.6
Hiroyuki Kato
PRML 12.2-12.2.2
PRML 12.2-12.2.2
kazunori sakai
Mais procurados
(20)
PRML 1.6 情報理論
PRML 1.6 情報理論
Prml Reading Group 10 8.3
Prml Reading Group 10 8.3
PRML上巻勉強会 at 東京大学 資料 第1章後半
PRML上巻勉強会 at 東京大学 資料 第1章後半
PRML輪読#10
PRML輪読#10
研究室内PRML勉強会 11章2-4節
研究室内PRML勉強会 11章2-4節
PRML 6.1章 カーネル法と双対表現
PRML 6.1章 カーネル法と双対表現
PRML 8.2 条件付き独立性
PRML 8.2 条件付き独立性
MLaPP 5章 「ベイズ統計学」
MLaPP 5章 「ベイズ統計学」
PRML_titech 2.3.1 - 2.3.7
PRML_titech 2.3.1 - 2.3.7
猫でも分かりたい線形回帰の自由度
猫でも分かりたい線形回帰の自由度
Prml 1.3~1.6 ver3
Prml 1.3~1.6 ver3
PRML輪読#3
PRML輪読#3
Control as Inference (強化学習とベイズ統計)
Control as Inference (強化学習とベイズ統計)
ベイズ深層学習5章 ニューラルネットワークのベイズ推論 Bayesian deep learning
ベイズ深層学習5章 ニューラルネットワークのベイズ推論 Bayesian deep learning
PRML11章
PRML11章
パターン認識と機械学習(PRML)第2章 確率分布 2.3 ガウス分布
パターン認識と機械学習(PRML)第2章 確率分布 2.3 ガウス分布
色々な確率分布とその応用
色々な確率分布とその応用
PRML読み会第一章
PRML読み会第一章
PRML上巻勉強会 at 東京大学 資料 第2章2.3.3 〜 2.3.6
PRML上巻勉強会 at 東京大学 資料 第2章2.3.3 〜 2.3.6
PRML 12.2-12.2.2
PRML 12.2-12.2.2
Destaque
機械学習の理論と実践
機械学習の理論と実践
Preferred Networks
SAS University EditionでもJupyter Notebookが使えるようになった話
SAS University EditionでもJupyter Notebookが使えるようになった話
Prunus 1350
Bishop prml 9.3_wk77_100408-1504
Bishop prml 9.3_wk77_100408-1504
Wataru Kishimoto
Bishop prml 10.2.2-10.2.5_wk77_100412-0059
Bishop prml 10.2.2-10.2.5_wk77_100412-0059
Wataru Kishimoto
入門パターン認識と機械学習3章
入門パターン認識と機械学習3章
hiro5585
機械学習
機械学習
Hikaru Takemura
PATTERN RECOGNITION AND MACHINE LEARNING (1.1)
PATTERN RECOGNITION AND MACHINE LEARNING (1.1)
Yuma Yoshimoto
Guide for program Implement for PRML
Guide for program Implement for PRML
Masato Nakai
PRML第9章「混合モデルとEM」
PRML第9章「混合モデルとEM」
Keisuke Sugawara
[PRML勉強会資料] パターン認識と機械学習 第3章 線形回帰モデル (章頭-3.1.5)(p.135-145)
[PRML勉強会資料] パターン認識と機械学習 第3章 線形回帰モデル (章頭-3.1.5)(p.135-145)
Itaru Otomaru
パターン認識と機械学習 〜指数型分布族とノンパラメトリック〜
パターン認識と機械学習 〜指数型分布族とノンパラメトリック〜
Mitsuki Ogasahara
入門パターン認識と機械学習12章
入門パターン認識と機械学習12章
hiro5585
主成分分析 (pca)
主成分分析 (pca)
Ji Wang
パターン認識と機械学習 (PRML) 第1章-「多項式曲線フィッティング」「確率論」
パターン認識と機械学習 (PRML) 第1章-「多項式曲線フィッティング」「確率論」
Koichi Hamada
Bishop prml 11.5-11.6_wk77_100606-1152(発表に使った資料)
Bishop prml 11.5-11.6_wk77_100606-1152(発表に使った資料)
Wataru Kishimoto
パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成
Prunus 1350
「機械学習 By スタンフォード大学」勉強会 2015.09.11
「機械学習 By スタンフォード大学」勉強会 2015.09.11
Minoru Chikamune
SVMについて
SVMについて
mknh1122
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話
Ryota Kamoshida
Destaque
(19)
機械学習の理論と実践
機械学習の理論と実践
SAS University EditionでもJupyter Notebookが使えるようになった話
SAS University EditionでもJupyter Notebookが使えるようになった話
Bishop prml 9.3_wk77_100408-1504
Bishop prml 9.3_wk77_100408-1504
Bishop prml 10.2.2-10.2.5_wk77_100412-0059
Bishop prml 10.2.2-10.2.5_wk77_100412-0059
入門パターン認識と機械学習3章
入門パターン認識と機械学習3章
機械学習
機械学習
PATTERN RECOGNITION AND MACHINE LEARNING (1.1)
PATTERN RECOGNITION AND MACHINE LEARNING (1.1)
Guide for program Implement for PRML
Guide for program Implement for PRML
PRML第9章「混合モデルとEM」
PRML第9章「混合モデルとEM」
[PRML勉強会資料] パターン認識と機械学習 第3章 線形回帰モデル (章頭-3.1.5)(p.135-145)
[PRML勉強会資料] パターン認識と機械学習 第3章 線形回帰モデル (章頭-3.1.5)(p.135-145)
パターン認識と機械学習 〜指数型分布族とノンパラメトリック〜
パターン認識と機械学習 〜指数型分布族とノンパラメトリック〜
入門パターン認識と機械学習12章
入門パターン認識と機械学習12章
主成分分析 (pca)
主成分分析 (pca)
パターン認識と機械学習 (PRML) 第1章-「多項式曲線フィッティング」「確率論」
パターン認識と機械学習 (PRML) 第1章-「多項式曲線フィッティング」「確率論」
Bishop prml 11.5-11.6_wk77_100606-1152(発表に使った資料)
Bishop prml 11.5-11.6_wk77_100606-1152(発表に使った資料)
パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成
「機械学習 By スタンフォード大学」勉強会 2015.09.11
「機械学習 By スタンフォード大学」勉強会 2015.09.11
SVMについて
SVMについて
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話
Semelhante a パターン認識と機械学習 §8.3.4 有向グラフとの関係
Infer net wk77_110613-1523
Infer net wk77_110613-1523
Wataru Kishimoto
PRML復々習レーン#11
PRML復々習レーン#11
Takuya Fukagai
PRML_titech 8.1 - 8.2
PRML_titech 8.1 - 8.2
Takafumi Sakakibara
PRML4.3
PRML4.3
hiroki yamaoka
第三回統計学勉強会@東大駒場
第三回統計学勉強会@東大駒場
Daisuke Yoneoka
スペクトラルグラフ理論入門
スペクトラルグラフ理論入門
irrrrr
Draftall
Draftall
Toshiyuki Shimono
PRML 8.4-8.4.3
PRML 8.4-8.4.3
KunihiroTakeoka
Semelhante a パターン認識と機械学習 §8.3.4 有向グラフとの関係
(8)
Infer net wk77_110613-1523
Infer net wk77_110613-1523
PRML復々習レーン#11
PRML復々習レーン#11
PRML_titech 8.1 - 8.2
PRML_titech 8.1 - 8.2
PRML4.3
PRML4.3
第三回統計学勉強会@東大駒場
第三回統計学勉強会@東大駒場
スペクトラルグラフ理論入門
スペクトラルグラフ理論入門
Draftall
Draftall
PRML 8.4-8.4.3
PRML 8.4-8.4.3
Mais de Prunus 1350
統計的学習の基礎 第2章後半
統計的学習の基礎 第2章後半
Prunus 1350
Rで学ぶデータマイニングI 第8章〜第13章
Rで学ぶデータマイニングI 第8章〜第13章
Prunus 1350
はじめてのパターン認識 第11章 11.1-11.2
はじめてのパターン認識 第11章 11.1-11.2
Prunus 1350
TokyoR 第36回LT Rで部分空間法
TokyoR 第36回LT Rで部分空間法
Prunus 1350
はじめてのパターン認識 第9章 9.5-9.6
はじめてのパターン認識 第9章 9.5-9.6
Prunus 1350
はじめてのパターン認識 第6章 後半
はじめてのパターン認識 第6章 後半
Prunus 1350
はじめてのパターン認識 第1章
はじめてのパターン認識 第1章
Prunus 1350
集合知プログラミング 第4章 4.7
集合知プログラミング 第4章 4.7
Prunus 1350
スティーヴ・ライヒを聴こう
スティーヴ・ライヒを聴こう
Prunus 1350
第5章 統計的仮説検定 (Rによるやさしい統計学)
第5章 統計的仮説検定 (Rによるやさしい統計学)
Prunus 1350
Mais de Prunus 1350
(10)
統計的学習の基礎 第2章後半
統計的学習の基礎 第2章後半
Rで学ぶデータマイニングI 第8章〜第13章
Rで学ぶデータマイニングI 第8章〜第13章
はじめてのパターン認識 第11章 11.1-11.2
はじめてのパターン認識 第11章 11.1-11.2
TokyoR 第36回LT Rで部分空間法
TokyoR 第36回LT Rで部分空間法
はじめてのパターン認識 第9章 9.5-9.6
はじめてのパターン認識 第9章 9.5-9.6
はじめてのパターン認識 第6章 後半
はじめてのパターン認識 第6章 後半
はじめてのパターン認識 第1章
はじめてのパターン認識 第1章
集合知プログラミング 第4章 4.7
集合知プログラミング 第4章 4.7
スティーヴ・ライヒを聴こう
スティーヴ・ライヒを聴こう
第5章 統計的仮説検定 (Rによるやさしい統計学)
第5章 統計的仮説検定 (Rによるやさしい統計学)
パターン認識と機械学習 §8.3.4 有向グラフとの関係
1.
パターン認識と機械学習 8.3.4 有向グラフとの関係 PRML復々習レーン #12 2013/7/21(日) ぷるうぬす@Prunus1350
2.
2種類のグラフィカルモデル • 有向グラフ • 無向グラフ 有向グラフで記述されるモデルを 無向グラフに変換する問題を考える
3.
無向グラフへの変換(簡単な例) (a)有向グラフ
4.
無向グラフへの変換(簡単な例) (a)有向グラフ p(x) = p(x1)p(x2|x1)p(x3|x2)
· · · p(xN |xN 1) 条件付き分布の積として因数分解される
5.
無向グラフへの変換(簡単な例) (a)有向グラフ (b)無向グラフ p(x) = p(x1)p(x2|x1)p(x3|x2)
· · · p(xN |xN 1)
6.
無向グラフへの変換(簡単な例) (a)有向グラフ (b)無向グラフ p(x) = p(x1)p(x2|x1)p(x3|x2)
· · · p(xN |xN 1) この無向グラフにおける極大クリークは隣接ノード対
7.
無向グラフへの変換(簡単な例) (a)有向グラフ (b)無向グラフ p(x) = p(x1)p(x2|x1)p(x3|x2)
· · · p(xN |xN 1) p(x) = 1 Z 1,2(x1, x2) 2,3(x2, x3) · · · N 1,N (xN 1, xN )
8.
無向グラフへの変換(簡単な例) p(x) = p(x1)p(x2|x1)p(x3|x2)
· · · p(xN |xN 1) p(x) = 1 Z 1,2(x1, x2) 2,3(x2, x3) · · · N 1,N (xN 1, xN ) このような対応付けができる
9.
無向グラフへの変換(簡単な例②) 親を2つ以上持つ有向グラフのノードが存在する場合
10.
無向グラフへの変換(簡単な例②) この有向グラフの同時分布はこのように表せる p(x) = p(x1)p(x2)p(x3)p(x4|x1,
x2, x3)
11.
無向グラフへの変換(簡単な例②) 下線部の条件付き分布を1つのクリークポテンシャル関数に吸収させるためには 4つの変数 が1つのクリークに属していなければならない。 p(x) = p(x1)p(x2)p(x3)p(x4|x1,
x2, x3) x1, x2, x3, x4
12.
無向グラフへの変換(簡単な例②) 親同士すべてをリンクで接続(モラル化)し、 矢印による方向付けを消したものをモラルグラフと呼ぶ
13.
有向グラフを無向グラフに変換するには • グラフの各ノードに対してそのすべての親同士の対に無 向リンクを付加する。 • もともとのリンクから矢印の方向性を取り除いてモラ ルグラフを作る。 •
モラルグラフのすべてのクリークポテンシャル関数を1 に初期化する。 • もともとの有向グラフの条件付き分布因子を1つ取って きて、対応するクリークポテンシャルの1つに掛ける。 モラル化とは、リンクの追加を最小限に抑えることによって 条件付き独立性をできる限り残す方法である。
14.
依存性マップ • あるグラフが、ある分布が満たす条件付き独立性をも れなく表現するとき、そのグラフをその分布に対する 依存性マップ(dependency map、D-map)と言う。 •
全くリンクのない完全に分離されたグラフは、すべて の分布に対する自明な依存性マップである。
15.
独立性マップ • あるグラフによって規定されるすべての条件付き独立性 が、ある分布によって満たされるとき、そのグラフを その分布に対する独立性マップ(independence map、I-map)と言う。 • 全結合はすべての分布に対する自明な独立性マップであ る。
16.
完全マップ • ある分布の条件付き独立性があるグラフによってすべ て表現され、逆にそのグラフが表現するすべての条件付 き独立性をその分布が満たすならば、そのグラフをそ の分布の完全マップ(perfect map)と言う。 •
つまり、完全マップは独立性マップでありかつ依存性 マップでもある。
17.
分布の集合のベン図 P:与えられた変数集合上のすべての可能な分布の集合 D:有向グラフを用いた完全マップで表現される分布の集合 U:無向グラフを用いた完全マップで表現される分布の集合
18.
同じ3変数上の無向グラフでは表現できない 条件付き独立性を持つ有向グラフの例
19.
同じ変数上の有向グラフでは同じ条件付き独立性 を表現できない無向グラフの例
20.
連鎖グラフ • グラフィカルモデルの枠組みは、有向リンクと無向リ ンクを両方持つグラフにも矛盾なく拡張できる。 • そのようなグラフは連鎖グラフと呼ばれる。 •
有向グラフおよび無向グラフは連鎖グラフの特別な場 合として含まれる。 • 連鎖グラフを用いても完全マップを作れない分布が存 在する。 PRMLでは、連鎖グラフについてはこれ以上議論しない。
21.
ご清聴ありがとうございました。
Baixar agora