Prml14th 10 7
- 2. 目次 10.7 EP 法・・・決定性の近似推論法 , ガウス分布による近似の方法の1つ アルゴリズムの導出と説明、変分ベイズ法との違い 10.7.1 雑音データ問題・・・観測データと雑音データの混合ガウス分布から平均を推定 10.7.2 グラフィカルモデルと EP 法・・・因子グラフを使って分解し EP 法を適用する 10章:解析的な近似 ロジスティック回帰モデルは、正確な積分ができないので何らかの近似を導入する 11 章:数値的な近似
- 5. モデル比較 事後分布 モデルエビデンス 何らかの近似が必要 (10.188) から以下の2式が与えられる 離散変数の場合は積分を和に置き換えれば OK EP 法は、事後分布を同じように因子の積として与える近似に基づいている (10.189)
- 12. K の導出 この式の導出に (10.195) を使用した K の値はゼロ次のモーメントを一致させることで以下の式が得られる
- 15. 3. while 近似が収束するまで 正規化定数を計算する (d) 新しい因子を求めて保存する 4. モデルエビデンスの近似を求める
- 16. EP 法の長所と短所 ※ ロジスティックモデルは単峰型の代表として扱われているとのこと Kuss and Rasmussen,2006 の論文に MCMC でサンプリングした結果に 近いことが書かれているとのこと