ベイジアンモデル

ベイジアンモデル

機械学習におけるベイジアンモデル

機械学習には２つのアプローチがある

ツールによるアプローチ

モデリングによるアプローチ

データがどのように発生しているのかと言うデータの発生構造の候補をあらかじめ設計しておき

データを使ってそのモデルを推定する。

そして推定したモデルをもとに予測を行うのです。

対象とするデータに応じて考えるべきモデルを拡張したり組み合わせたりする。

つまりデータの予測や結果だけでなくモデルにも関心があると。

このアプローチでは目的に合ったモデルを考えていくためツールとしてよりも原理的に達成される性能は高くなる



ベイジアンモデリングでは高度な数学の知識が必要とされるが比較的統一された方法で分析を進めることができる。

さらにベイズ推定を用いるために、出力された値がどれだけふさわしいかについての情報が得られる。

これにより不確実性 を考慮した予測を行うことができるとともに、過学習を防ぐことができる。

ベイズ推定では事前分布を使うためにデータ以外の知見を取り入れることができるのもメリット。

一方ベイジアンモデリングでは特定の目的に合った設計を行う必要があるために高度な数学知識が不可欠。

ベイジアンモデルの工程

1. モデルの設計

2. データの学習

3. モデルの推定

4. 予測

どのようなモデルを設計するかが最も重要だが2−3 の工程は計算が複雑になるため面倒。そこでモデル設計に集中するために確率的プログラミング言語が用意されている。これを使うとモデルを設計してデータを用意するだけでデータの学習からも手の空いて予測までを行ってくれるようになる。