次へ: 本章のまとめ
上へ: 実験
戻る: の場合
真の分布は標準正規分布とした.
|
(4.10) |
この場合,定理 3 で述べた理由により,EM アルゴリズムの収
束は前の節の場合よりも非常に不安定になる. 最尤解の一例を温度の関数と
して示したのが図4.8 である.
理論的にはこの場合は要素分布が 個に分かれるはずであるが,
その性質は訓練サンプルの 4 次のキュムラントに依存しており,
4 次のキュムラントが 0 から外れることが多いため
実際には 2-way または 3-way の分岐を示す.
経験尤度とバイアスの振舞いをそれぞれ図4.9,図4.10 に
示す.
キュムラントのゆらぎによって 2-way または 3-way に分岐しても,
バイアスに関しては分岐点以降で減少するような場合は
ほとんど観察されず,4 次キュムラントが 0 に近い場合には
定理 6 の仮定が満たされにくい不安定な状態にある可能性がある.
図 4.8:
のときの最尤解.
横軸: ; 縦軸:
および . 点は各温度での最尤解右端の `' が学習サンプルをあ
らわす
|
図 4.9:
のときの経験尤度.
横軸: ; 縦軸:
経験尤度; 破線 : の経験値
|
図 4.10:
のときのバイアスの推定値の振舞い
横軸: ; 縦軸:
バイアスと訓練サンプルの数の積; 破線 : の経験値
|
Shotaro Akaho
平成15年7月22日