1 3.2 バイアス - バリアンス分解 大阪 PRML 読書会 2014.09.28 @florets1
1
3.2 バイアス -バリアンス分解
大阪 PRML読書会
2014.09.28
@florets1
2
過学習を避けるとモデルの表現能力が限られてしまう
3
損失関数をバイアスとバリアンスに分けて考える
4
5
6
3.3 ベイズ線形回帰
大阪 PRML読書会
2014.09.28
@florets1
7
ちょっと復習
この尤度関数を見ると, μについての二次形式の指数の形を取っている。よって,事前分布にガウス分布を選べば,この尤
…度関数の共役事前分布となる。なぜなら
8
尤度関数 p(t|w)は wの 2次関数の指数であることに着目
9
共役事前分布はガウス分布
事後分布もガウス分布
10
事後分布の対数を取ると
この事後分布を wに関して最大化することは
正則化最小二乗法の結果と等価になる。