戦略的データサイエンス入門 ―ビジネスに活かすコンセプトとテクニック

263

263

9.3　ベイズの法則をデータサイエンスへ応用する

9.3

 ベイズの法則をデータサイエンスへ応用する

ベイズの法則がデータサイエンスにとって重大な意味を持っていることは、もしかすると

もうかなりの方がお気付きかもしれません。確かに、データサイエンスの非常に多くの部分

が、「ベイズ的」手法を基礎にしていて、そのベイズ的手法が核としている理論はベイズの

法則なのです。ベイズ的手法について広範に説明することは、この本の範囲を超えます。こ

こでは、最も基本となる考え方を紹介した上で、それをどのように一番基本的なベイズ的手

法に応用するかを示します。基本ではありますが、このベイズ的手法は非常によく使われま

す。さて、ベイズの法則をもう一度書き直しますが、ここからは分類に戻っていきます。

式

9-2

 分類のためのベイズの法則

p(C

＝

c | E )

＝

p(E | C

＝

c)

・

p(C

＝

c)

p(E)

式

9-2

には、

4

つの数値が登場します。左辺に、推量したい数値があります。分類問題に

おいては、これはエビデンス

E

（特徴値のベクトル）を考慮した後で、目的変数

C

が意味の

あるクラス

c

になる確率です。これを事後（

posterior

）確率と呼びます。

ベイズの法則は、事後確率を右辺に見られる

3

つの数値に分解します。この

3

つの数値

を、データから計算できるようにしたいのです。

1. p(C

＝

c)

は、そのクラスの「事前（

prior

）」確率です。つまり、エビデンスを見る前

に、インスタンスをそのクラスに割り当てる確率です。ベイズ推定では普通 ...