입문 EM 알고리즘
선형 회귀
$N$개의 데이터 세트 $(x_i, y_i)$ 가 있을 때 그 관계 $y = a x+b$ 를 구하라
추정
관측 데이터로부터 파라미터를 계산하는 함수
$$\hat{a} =\phi_a(\hat{x},\hat{y}),\hat{b} =\phi_b(\hat{x},\hat{y})$$
를 추정량이라고 부른다.
최대 우도 추정
$$ p(x,y|a,b) =\mathcal{N}_{\sigma^2}(y-(ax+b))\propto\exp(-|y-(ax+b)|^ 2/2\sigma^2) $$
$$ p(\hat{x},\hat{y}|a, b) =\prod_i p(x_i, y_i|a, b) $$
$$\phi_{a,b}(\hat{x},\hat{y}) =\text{argmax}_{(a, b)} p(\hat{x},\hat{y}| a, b)$$
최소 제곱법
$$\log(p(\hat{x},\hat{y}|a, b)) =\sum_i\log(p(x_i, y_i|a, b)) = -\sum_i |y_i -(ax_i +b)|^2/2\sigma^2 $$
베이즈 선형 회귀
$$ p(a, b)\propto\exp(-(a^2 + b^2)/2\sigma_a^2)$$
$$ p(a,b|\hat{x})\propto p(\hat{x}|a,b) p(a,b) $$
$$\log(p(\hat{x},\hat{y}|a,b)) = -\sum_i |y_i -(ax_i +b)|^2/2\sigma^2 - (a^2 +b^2)/2\sigma_a^2$$
Evidence function
$$
p(\hat{x},\hat{y}|\sigma^2,\sigma_a^2) =\int da\int db p(\hat{x},\hat{y}|a, b,\sigma) p(a, b|\sigma_a^2)
$ $
EM 알고리즘
$$ p(X|\theta) =\int dZ p(X, Z|\theta) $$
EM 알고리즘(for 베이즈 선형 회귀)
Reference
이 문제에 관하여(입문 EM 알고리즘), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/termoshtt/items/fc944d7d000d2c5ec63d텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)