Think Bayes ―プログラマのためのベイズ統計入門

15.6

　階層を畳む

■

187

未知族の個数だけである。したがって、本当は、

n

個のディリクレオブジェクトを

必要としない。階層最上位にパラメータを保持できる。

Species2

は、この最適化

を実装している。

●

Species2

は、すべての仮説について同じランダム値集合を使ってもいる。これ

は、ランダム値を生成する時間を節約するが、より重要なことがわかるという利

点もある。すべての仮説にサンプル空間から同じ選択をすることで、仮説間の比

較をより公正にできるので、収束するまでの繰り返し回数が少なくなる。

●

これらの変更を施しても、性能上の大きな問題が残っている。観察した種の個

数が増えるにつれて、ランダム占有率の配列が大きくなり、近似的に正しい配列

を選ぶ機会が小さくなる。したがって、繰り返しのほとんど大半が小さな尤度し

か持たず、全体にあまり寄与せず、仮説間の差異も明らかにしない。解は、一

度に

1

つずつ種を更新することである。

Species4

はこの戦略の単純な実装で、

Dirichlet

オブジェクトを使って下位仮説を表している。

●

最後に、

Species5

が下位仮説を組み合わせて最上位にして、

numpy

配列演算を使っ

て速度を速める。

詳細に興味がなければ、おへそのデータからの結果を示した「15.9 おへそデータ」

の節まで飛ばしても構わない。

15.6

 階層を畳む

最下位ディリクレ分布のすべては、同じデータで更新されるので、すべてについて

最初の

m

個のパラメータは同じである。それらを取り除いて、パラメー ...