次へ: EM アルゴリズムの一般化
上へ: EM アルゴリズム
戻る: 独立な要素分布の場合
式 (3.32) を見ると,独立なサンプルからの学習は,
で各サンプル を重み付けて学習しているとみなすこと
ができる. したがって,もともとサンプル に という重みがつい
ていたときの混合分布の学習法を定式化しておくと便利である. 具体的には次
のような利点がある.
- 混合分布の要素分布がまた混合分布である Jordan らの階層的エキスパー
トネットワークのような再帰的な適用が可能である.
- データがヒストグラムの形で与えられている場合にはその頻度を
として扱える.
まず,一般的な混合分布の場合,クラス事前分布 の学習
式 (3.31) は
|
(3.35) |
となる. ただし,
は重み付きのサンプル平均を表し,例え
ば関数 の平均は
|
(3.36) |
で与えられる. また,要素分布の学習 (3.32) は
|
(3.37) |
となり,独立な要素分布の場合の式 (3.33) は
|
(3.38) |
となる.
Shotaro Akaho
平成15年7月22日