イラストで学ぶ人工知能概論を再度勉強する 第７章 確率的生成モデルとナイーブベイズ
はじめに
とある理由で
「二重文節構造」のアイデアに触れた時から大ファンになった
谷口忠大先生の名著「イラストで学ぶ人工知能概論」を
じっくり勉強しなおしたくなって
改訂第2版を購入しなおした。
本noteは、その備忘録
ホイールダック2号、確定システムを確率システム（離散時間系）に拡張する手がかりを得る
第７章 確率的生成モデルとナイーブベイズ
講義スライドと谷口忠大先生本人の講義動画が
谷口忠大先生から提供されています
7.1 確率的生成モデルとグラフィカルモデル
確率モデル：さまざまな確率変数とその関係性に基づいて対照を表現するモデル
確率的生成モデル：さまざまな確率変数が具体的にどのように影響を与え合いながらその値を具体的に表現するモデル
確率的グラフィカルモデル：ノードで確率変数、有向辺で依存関係を表したグラフ
プレート表現：プレートに置かれた数字の数だけノードを複製した表現
ノードの3つの関係性
。head-to tail
・tail to tail
・head to head
下の書籍に出てくる重要な概念
ジャンクション（チェーン・フォーク・コライダー）を思い出した
マルコフブランケット：マルコフブランケット外のノードは
マルコフブランケットをまとった確率変数Aとは条件付き独立となり、無視して良い
7.2 確率システム：マルコフ決定過程
マルコフ性：ある変数が1ステップ前の変数のみに影響を受ける
n次マルコフモデル：ある変数が直前のn個の変数の影響を受ける
マルコフ決定過程：直前の状態と行動に依存して状態が決まっていく
7.3 ナイーブベイズモデルによるスパムメールフィルタ
メールの分類（手動）結果を用いてスパムメールの発生確率とスパムメールに単語が含まれる確率を計算できる。
これらの情報を用いることにより、スパムメールである確率を計算することができる。
本章の最重要ポイント
・ノードの関係性を示す最小単位は3種類のみである
・状態遷移行列の要素を状態遷移確率行列に置き換えることにより、
最適経路問題を確率空間に拡張することができる
おわりに
いよいよホイールダック2号が活躍する時が来たようだ
いいなと思ったら応援しよう！
