3.3.1 パラメータの分布
(3.10)をで整理する。 $$ \phi(x_{n})\phi(x_{n})^{T}= \begin{bmatrix} \phi_{0}^{n}\\ \vdots\\ \phi_{M -1}^{n} \end{bmatrix} \begin{bmatrix} \phi_{0}^{n} & \cdots & \phi_{M -1}^{n} \end{bmatrix}= \begin{bmatrix} \phi_{0}^{n}\phi_{0}^{n}&\cdots& \phi_{0}^{n}\phi_{M -1}^{n}\\ \vdots &\ddots&\vdots\\ \phi_{M -1}^{n}\phi_{0}^{n}&\cdots& \phi_{M -1}^{n}\phi_{M -1}^{n} \end{bmatrix} $$ の(i+1,j+1)成分は。 これはの(i+1,j+1)成分と同じだから $$ \sum\{w^{T}\phi(x_n)\}^{2}=\sum\{w^{T}\phi(x_{n})\phi(x_{n})^{T}w\}=w^{T}\{\sum\phi(x_{n})\phi(x_{n})^{T}\}w=w^{T}\Phi^{T}\Phi w $$ $$ \sum t_{n}w^{T}\phi(x_{n})=w^{T}\sum t_{n}\phi(x_{n})=w^{T}[\phi_{0}\,\cdots\,\phi_{M -1}]t=w^{T}\Phi^{T}t $$
モード(最頻値):分布が最大になるとこ。ガウス分布の場合平均値。
より。で
(3.53)(3.50):としたもの。
(3.55):。は(3.10)。
前提条件
・元の関数
・訓練データ
・ノイズは標準偏差0.2のガウス分布
・ノイズの分散は既知
・パラメータは2.0に固定。
目標
訓練データから秦のパラメータ値を復元する
図3.7
左:尤度関数をについてプロットしたもの
中:事前分布(2,3行目は一つ上の)x尤度関数
右:復元した関数(のうちの6個)。青は訓練データ点
(3.56):演習2.43がちょっと参考になる。