エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
PRML第10章のベイズ混合ガウスモデルに対する変分推論をPythonで実装 - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
PRML第10章のベイズ混合ガウスモデルに対する変分推論をPythonで実装 - Qiita
この記事では、PRMLの第10章で述べられている、混合ガウスモデルに対する変分推論をpythonで実装します... この記事では、PRMLの第10章で述べられている、混合ガウスモデルに対する変分推論をpythonで実装します。 対応するjupyter notebookは筆者のgithubリポジトリにあります。連載全体の方針や、PRMLの他のアルゴリズムの実装については、連載のまとめページをご覧いただければと思います。 なかなか計算がハードな章ですが、ここでは結果だけを利用して、さくさく実装したいと思います。 なお、変分下界の計算については、PRMLの内容より少し詳しく扱っています。具体的には、教科書の式(10.70)-(10.77)の式をさらに変形し、実装に適した簡潔な形にしてあります。 1 理論のおさらい 1.1 設定 前回と同様、教師なし学習を考えます。 $N \in \mathbb{N}$ : データ点の個数 $D \in \mathbb{N}$ : データの次元 $x_0, x_1, \dots