SlideShare une entreprise Scribd logo
1  sur  7
概要と具体例で学ぶ HMM
概要から勉強する HMM

隠れマルコフモデル (HMM) とは ?
状態は直接観測されず、出力(事象)のみが観測される。
ただしこの出力は、モデルの状態による確率分布である。 (Wikipedia より )
わからない
なので具体例へ GO!
具体例から勉強する HMM( 問題 -1)

ときたまイカサマをするカジノ
とあるカジノにて
75 %の確率で表がでるイカサマコインと
50 %の確率で表がでる普通のコインを使うカジノがある。
ただし、コインの交換はバレやすいため、 10 %の確率でしか行わない。
=> コインの表裏だけから、この店がイカサマコインを使っているかどうか推測する
図にすると
正常コイン 不正コイン10 %
表 表裏 裏
25 %75 %50 %50 % 50 %
具体例から勉強する HMM( 問題 -2)

…例えば (F: 表 B: 裏 )
FFFBFFBFBFFF => イカサマコインっぽい
FBFBFBFBFBFB => 正常コインっぽい
FBFBFFFBFFFB => 途中でイカサマコインに変更した ?

実際に解く
=> 面倒くさいので、 FFF( 裏が 3 連続で出たとき )
を考える
具体例から勉強する HMM( 解法 -1)

FFF のときの HMM
–正常 表
–正常 裏
–不正 表
–不正 裏
1.1 回目 F が出たとき
1/2( 正常コインの場合 ,1/2 の確率で裏が出る )
1/4( 不正コインの場合 ,1/4 の確率で裏が出る )
1 回目
具体例から勉強する HMM( 解法 -2)
–正常 表
–正常 裏
–不正 表
–不正 裏
2 回目 F が出たとき
1/2
1/4
1 回目 2 回目
0.225
0.0563
{・ 1 回目不正コインで裏を ,2 回目正常コインにすりかえ裏を出す確率
・ 1 回目正常コインで裏を ,2 回目正常コインのままで裏を出す確率
の内 , 大きい方の値 ( 今回は前者 ) を代入し、きた道も覚えておく
具体例から勉強する HMM( 解法 -3)
–正常 表
–正常 裏
–不正 表
–不正 裏
3 回目 F が出たとき
1/2
1/4
1 回目 2 回目 3 回目
0.225
0.0563
0.101
0.0127
下と比べて大きい方である、こちらを採用。
きた道をたどると、正常なコインを 3 回使っ
ていたと推測できる。

Contenu connexe

Tendances

PRML上巻勉強会 at 東京大学 資料 第1章前半
PRML上巻勉強会 at 東京大学 資料 第1章前半PRML上巻勉強会 at 東京大学 資料 第1章前半
PRML上巻勉強会 at 東京大学 資料 第1章前半
Ohsawa Goodfellow
 
研究室内PRML勉強会 8章1節
研究室内PRML勉強会 8章1節研究室内PRML勉強会 8章1節
研究室内PRML勉強会 8章1節
Koji Matsuda
 

Tendances (20)

数式を(ちょっとしか)使わずに隠れマルコフモデル
数式を(ちょっとしか)使わずに隠れマルコフモデル数式を(ちょっとしか)使わずに隠れマルコフモデル
数式を(ちょっとしか)使わずに隠れマルコフモデル
 
Stanの便利な事後処理関数
Stanの便利な事後処理関数Stanの便利な事後処理関数
Stanの便利な事後処理関数
 
PRML上巻勉強会 at 東京大学 資料 第1章前半
PRML上巻勉強会 at 東京大学 資料 第1章前半PRML上巻勉強会 at 東京大学 資料 第1章前半
PRML上巻勉強会 at 東京大学 資料 第1章前半
 
研究室内PRML勉強会 8章1節
研究室内PRML勉強会 8章1節研究室内PRML勉強会 8章1節
研究室内PRML勉強会 8章1節
 
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
 
MCMCでマルチレベルモデル
MCMCでマルチレベルモデルMCMCでマルチレベルモデル
MCMCでマルチレベルモデル
 
Stan超初心者入門
Stan超初心者入門Stan超初心者入門
Stan超初心者入門
 
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する
 
#みどりぼん 11章「空間構造のある階層ベイズモデル」後半
#みどりぼん 11章「空間構造のある階層ベイズモデル」後半#みどりぼん 11章「空間構造のある階層ベイズモデル」後半
#みどりぼん 11章「空間構造のある階層ベイズモデル」後半
 
Mplusの使い方 初級編
Mplusの使い方 初級編Mplusの使い方 初級編
Mplusの使い方 初級編
 
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
 
ベイズファクターとモデル選択
ベイズファクターとモデル選択ベイズファクターとモデル選択
ベイズファクターとモデル選択
 
15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学
 
PRML11章
PRML11章PRML11章
PRML11章
 
StanとRでベイズ統計モデリング読書会Ch.9
StanとRでベイズ統計モデリング読書会Ch.9StanとRでベイズ統計モデリング読書会Ch.9
StanとRでベイズ統計モデリング読書会Ch.9
 
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
 
MCMC法
MCMC法MCMC法
MCMC法
 
SMO徹底入門 - SVMをちゃんと実装する
SMO徹底入門 - SVMをちゃんと実装するSMO徹底入門 - SVMをちゃんと実装する
SMO徹底入門 - SVMをちゃんと実装する
 
量子コンピュータの量子化学計算への応用の現状と展望
量子コンピュータの量子化学計算への応用の現状と展望量子コンピュータの量子化学計算への応用の現状と展望
量子コンピュータの量子化学計算への応用の現状と展望
 
因果関係を時系列変化で分析
因果関係を時系列変化で分析因果関係を時系列変化で分析
因果関係を時系列変化で分析
 

概要と具体例で学ぶHMM(隠れマルコフモデル)

  • 2. 概要から勉強する HMM  隠れマルコフモデル (HMM) とは ? 状態は直接観測されず、出力(事象)のみが観測される。 ただしこの出力は、モデルの状態による確率分布である。 (Wikipedia より ) わからない なので具体例へ GO!
  • 3. 具体例から勉強する HMM( 問題 -1)  ときたまイカサマをするカジノ とあるカジノにて 75 %の確率で表がでるイカサマコインと 50 %の確率で表がでる普通のコインを使うカジノがある。 ただし、コインの交換はバレやすいため、 10 %の確率でしか行わない。 => コインの表裏だけから、この店がイカサマコインを使っているかどうか推測する 図にすると 正常コイン 不正コイン10 % 表 表裏 裏 25 %75 %50 %50 % 50 %
  • 4. 具体例から勉強する HMM( 問題 -2)  …例えば (F: 表 B: 裏 ) FFFBFFBFBFFF => イカサマコインっぽい FBFBFBFBFBFB => 正常コインっぽい FBFBFFFBFFFB => 途中でイカサマコインに変更した ?  実際に解く => 面倒くさいので、 FFF( 裏が 3 連続で出たとき ) を考える
  • 5. 具体例から勉強する HMM( 解法 -1)  FFF のときの HMM –正常 表 –正常 裏 –不正 表 –不正 裏 1.1 回目 F が出たとき 1/2( 正常コインの場合 ,1/2 の確率で裏が出る ) 1/4( 不正コインの場合 ,1/4 の確率で裏が出る ) 1 回目
  • 6. 具体例から勉強する HMM( 解法 -2) –正常 表 –正常 裏 –不正 表 –不正 裏 2 回目 F が出たとき 1/2 1/4 1 回目 2 回目 0.225 0.0563 {・ 1 回目不正コインで裏を ,2 回目正常コインにすりかえ裏を出す確率 ・ 1 回目正常コインで裏を ,2 回目正常コインのままで裏を出す確率 の内 , 大きい方の値 ( 今回は前者 ) を代入し、きた道も覚えておく
  • 7. 具体例から勉強する HMM( 解法 -3) –正常 表 –正常 裏 –不正 表 –不正 裏 3 回目 F が出たとき 1/2 1/4 1 回目 2 回目 3 回目 0.225 0.0563 0.101 0.0127 下と比べて大きい方である、こちらを採用。 きた道をたどると、正常なコインを 3 回使っ ていたと推測できる。