
15.9
おへそのデータ
■
193
ps = gammas[i-1] / sums
log_likes = numpy.log(ps) * count
log_likes -= numpy.max(log_likes)
likes = numpy.exp(log_likes)
return likes
これは
Species2.SampleLikelihood
と似ている。違いは、各更新に
1
つの種しか含
まれないので、ループが要らないことである。
この関数の実行時間は、仮説の個数
k
に比例する。これを
m
回実行するので、更新
の実行時間は
km
に比例する。正確な結果を得るために必要な反復回数は、普通は小
さくなる。
15.9
おへそのデータ
ライオンとトラとクマについてはこれで十分だ。おへその問題に戻ろう。データがど
んなものかという感じをつかむために、検体
B1242
、
400
の読み込みで次のような個数
の
61
種が得られたものを見てみよう。
92, 53, 47, 38, 15, 14, 12, 10, 8, 7, 7, 5, 5,
4, 4, 4, 4, 4, 4, 4, 3, 3, 3, 3, 3, 3, 3, 2, 2, 2, 2,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1
いくつかの支配的な種が、全体のかなりの部分を占めるが、多くの種は、
1
つしか読
み込まれていない。 ...