機械学習の数理②(パラメーター推定) (書きかけ)
はじめに
授業で勉強したことをまとめていきます。
前回はこちら
slimelimestech.hatenablog.com
次回はこちら
目次
2. パラメーター推定
:領域
:上の確率変数
:自然数
:実数値パラメータ
:実パラメータ空間
:パラメトリックな確率分布のクラス
:観測データ列
:観測データ列
問題設定:
与えられたから、を推定する。
2.1 最尤推定
尤度関数
をについて最大化する。
対数尤度関数
を最尤推定量という。(Maximum Likelihood Estimator)
最尤推定量はなぜ良いか
以下の定理が成り立つため
定理 1.1 最尤推定量の一致性
定理 1.2 最尤推定量の漸近正規性及び有効性
2.2 ベイズ推定
:の事前確率
:観測データ列
:の事前確率
定理1.3 ベイズの定理
をベイズ推定量という。(Bayesian Estimator)
2.3 線型回帰
:目的変数
:説明変数
:パラメータ
:誤差は、平均0、分散の正規分布に従う
線型回帰モデルとは以下のような関係のモデルである。
2.4 MAP推定
をMAP推定量という。(Maximum A Posterori Estimator)
2.5 スパース正則化
LASSOの最適化アルゴリズムについて説明する。
2.6 勾配降下法
解析的に解けない場合の最適化手法