April 2024
Intermediate to advanced
336 pages
3h 27m
Japanese
このステップのテーマはEMアルゴリズム[6]です。EMアルゴリズムを使用することで、混合ガウスモデルのパラメータ推定が効率的に行えます。ここではEMアルゴリズムを導出し、その実装を行います。
EMアルゴリズムの導出には、KLダイバージェンスが重要な役割を果たします。ここでは事前準備として、KLダイバージェンスについて学びます。また、これから先は数式が増えるため、数式の表記方法について2点変更を加えます。まずはその変更点について説明します。
数式の表記について、1つ目の変更点は「期待値」についてです。ここでは連続型の確率変数があり、その確率密度が
で表されるものとします。このとき関数
の期待値は次の式で表します。
これまで期待値はのように表記してきましたが、これから先は、上の式のようにと表記します。この表記方法により、に関する期待値であることを明示します。たとえば、確率分布に関する期待値であれば、次の式で表されます。 ...
Read now
Unlock full access