さて、今日はガウス分布を使った簡単な実験を行って、ベイズ推論における機械学習の本質の一端を説明したいと思います。せっかくなので前回取り扱った多峰性事前分布も実験に取り入れてみたいと思います。 改めてベイズ学習を数式で書くと次のようになります。 パラメータに関する事前の知識が、尤度関数を通して、事後の知識に変換されるんでしたね。今回はこのプロセスをアニメーションを見ながら確認してみようというお話です。 で、今回は次のような平均値パラメータを持った真のガウス分布のパラメータを推論する問題を考えてみたいと思います。 分散は簡単化のため、既知で固定ということにしておきます。先ほどのベイズ学習の表記を使うとということになりますね。 さて、データに対する観測モデルはガウス分布を使うとして、事前分布は違ったものを3種類用意してみたいと思います。そして実際に真のガウス分布からサンプルされたデータを与えてあ
![アニメでわかるベイズ推論によるパラメータ学習 - 作って遊ぶ機械学習。](https://cdn-ak-scissors.b.st-hatena.com/image/square/00df378b094e452d765b7ae1972f4cb1848b11fe/height=288;version=1;width=512/http%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fs%2Fsammy-suyama%2F20160302%2F20160302054954.png)