教師あり学習と教師なし学習と確率small-island.work/trial/ml2_5.pdfクラスタ)...
Transcript of 教師あり学習と教師なし学習と確率small-island.work/trial/ml2_5.pdfクラスタ)...
![Page 1: 教師あり学習と教師なし学習と確率small-island.work/trial/ml2_5.pdfクラスタ) に分離する問題 どちらがリンゴかミカンか教えなくとも 二つの集団があることがわかる](https://reader030.fdocuments.us/reader030/viewer/2022040618/5f2448fedb08793b2b75fb8b/html5/thumbnails/1.jpg)
教師あり学習と教師なし学習と確率
![Page 2: 教師あり学習と教師なし学習と確率small-island.work/trial/ml2_5.pdfクラスタ) に分離する問題 どちらがリンゴかミカンか教えなくとも 二つの集団があることがわかる](https://reader030.fdocuments.us/reader030/viewer/2022040618/5f2448fedb08793b2b75fb8b/html5/thumbnails/2.jpg)
教師あり学習(識別問題)と教師なし学習(クラスタリング)
色
大きさ
クラスタリング:データを複数の集合(クラスタ) に分離する問題
どちらがリンゴかミカンか教えなくとも二つの集団があることがわかる
色
大きさ
識別問題(第二回講義):データをクラスに識別する問題
与えられた教師データからそれらを分離する境界を計算
![Page 3: 教師あり学習と教師なし学習と確率small-island.work/trial/ml2_5.pdfクラスタ) に分離する問題 どちらがリンゴかミカンか教えなくとも 二つの集団があることがわかる](https://reader030.fdocuments.us/reader030/viewer/2022040618/5f2448fedb08793b2b75fb8b/html5/thumbnails/3.jpg)
確率の復習
(離散)確率変数 𝑋𝑋, 実現値 𝑥𝑥, 確率 𝑃𝑃(𝑋𝑋 = 𝑥𝑥)
𝑃𝑃(𝑋𝑋 = 𝑥𝑥,𝑌𝑌 = 𝑦𝑦)
𝑃𝑃(𝑌𝑌 = 𝑦𝑦) = Σ𝑥𝑥 𝑃𝑃(𝑥𝑥,𝑦𝑦)
𝑃𝑃 𝑋𝑋 = 𝑥𝑥 𝑌𝑌 = 𝑦𝑦 =𝑃𝑃 𝑋𝑋 = 𝑥𝑥,𝑌𝑌 = 𝑦𝑦
𝑃𝑃 𝑌𝑌 = 𝑦𝑦
𝑃𝑃 𝑌𝑌 = 𝑦𝑦 𝑋𝑋 = 𝑥𝑥 =𝑃𝑃 𝑋𝑋 = 𝑥𝑥 𝑌𝑌 = 𝑦𝑦 𝑃𝑃 𝑌𝑌 = 𝑦𝑦
𝑃𝑃 𝑋𝑋 = 𝑥𝑥
ベイズの定理
𝑋𝑋\𝑌𝑌 0 10 40 101 20 30
𝑃𝑃 𝑋𝑋 = 0,𝑌𝑌 = 0 = 40/100
𝑃𝑃 𝑌𝑌 = 0 = 40/100 + 20/100
𝑃𝑃 𝑋𝑋 = 0 𝑌𝑌 = 0 =40/10030/50 = 2/3
𝑃𝑃 𝑌𝑌 = 0 𝑋𝑋 = 0 =2/3 ⋅ 3/5
1/2 = 1/5
同時確率
周辺確率
条件付確率
度数分布表
![Page 4: 教師あり学習と教師なし学習と確率small-island.work/trial/ml2_5.pdfクラスタ) に分離する問題 どちらがリンゴかミカンか教えなくとも 二つの集団があることがわかる](https://reader030.fdocuments.us/reader030/viewer/2022040618/5f2448fedb08793b2b75fb8b/html5/thumbnails/4.jpg)
ナイーブベイズ識別器(教師あり学習)(1/3)スパムメールフィルタの問題:特定の単語がメールに含まれているかどうかでスパムメールを識別したい
𝑃𝑃 = 1 = 1𝑃𝑃 = 1 = 1
…….
スパムメール中の単語の出現確率
𝑃𝑃 = 1 =
スパムメールと非スパムメールの確率
非スパムメール中の単語の出現確率
今だけ スパム【重要】 スパム
𝑃𝑃 = 1 = 0𝑃𝑃 = 1 = 0
…….
今だけ スパム【重要】 スパム
スパム
𝑃𝑃 = 0 =スパム
単語がスパムメールに出現した回数全スパムメールの数
単語が非スパムメールに出現した回数全非スパムメールの数
スパムメールの数全メールの数
非スパムメールの数全メールの数
![Page 5: 教師あり学習と教師なし学習と確率small-island.work/trial/ml2_5.pdfクラスタ) に分離する問題 どちらがリンゴかミカンか教えなくとも 二つの集団があることがわかる](https://reader030.fdocuments.us/reader030/viewer/2022040618/5f2448fedb08793b2b75fb8b/html5/thumbnails/5.jpg)
ナイーブベイズ識別器(教師あり学習)(2/3)
今、あるメールが来た時に知りたい確率𝑃𝑃 = 1 = 1, = 1今だけ 【重要】スパム
![Page 6: 教師あり学習と教師なし学習と確率small-island.work/trial/ml2_5.pdfクラスタ) に分離する問題 どちらがリンゴかミカンか教えなくとも 二つの集団があることがわかる](https://reader030.fdocuments.us/reader030/viewer/2022040618/5f2448fedb08793b2b75fb8b/html5/thumbnails/6.jpg)
=𝑃𝑃 = 1, = 1 = 1 𝑃𝑃 = 1
𝑃𝑃( = 1, = 1)
ナイーブベイズ識別器(教師あり学習)(2/3)
今、あるメールが来た時に知りたい確率𝑃𝑃 = 1 = 1, = 1今だけ 【重要】スパム
スパムスパム今だけ 【重要】今だけ 【重要】
𝑃𝑃 𝑌𝑌 = 𝑦𝑦 𝑋𝑋 = 𝑥𝑥 =𝑃𝑃 𝑋𝑋 = 𝑥𝑥 𝑌𝑌 = 𝑦𝑦 𝑃𝑃 𝑌𝑌 = 𝑦𝑦
𝑃𝑃 𝑋𝑋 = 𝑥𝑥ベイズの定理
![Page 7: 教師あり学習と教師なし学習と確率small-island.work/trial/ml2_5.pdfクラスタ) に分離する問題 どちらがリンゴかミカンか教えなくとも 二つの集団があることがわかる](https://reader030.fdocuments.us/reader030/viewer/2022040618/5f2448fedb08793b2b75fb8b/html5/thumbnails/7.jpg)
=𝑃𝑃 = 1, = 1 𝑃𝑃 = 1, = 1 𝑃𝑃 = 1
𝑃𝑃( = 1, = 1)
ナイーブベイズ識別器(教師あり学習)(2/3)
今、あるメールが来た時に知りたい確率𝑃𝑃 = 1 = 1, = 1
この計算をすれば新たに来たメールのスパム判定ができる
仮定:条件付き独立𝑃𝑃 𝑋𝑋 = 𝑥𝑥,𝑌𝑌 = 𝑦𝑦 𝐶𝐶 = 𝑐𝑐 = 𝑃𝑃 𝑋𝑋 = 𝑥𝑥 𝐶𝐶 = 𝑐𝑐 𝑃𝑃 𝑌𝑌 = 𝑦𝑦 𝐶𝐶 = 𝑐𝑐
=𝑃𝑃 = 1, = 1 = 1 𝑃𝑃 = 1
𝑃𝑃( = 1, = 1)
今だけ 【重要】スパム
スパムスパム今だけ 【重要】今だけ 【重要】
スパムスパム今だけ 【重要】今だけ 【重要】
スパム
𝑃𝑃 𝑌𝑌 = 𝑦𝑦 𝑋𝑋 = 𝑥𝑥 =𝑃𝑃 𝑋𝑋 = 𝑥𝑥 𝑌𝑌 = 𝑦𝑦 𝑃𝑃 𝑌𝑌 = 𝑦𝑦
𝑃𝑃 𝑋𝑋 = 𝑥𝑥ベイズの定理
![Page 8: 教師あり学習と教師なし学習と確率small-island.work/trial/ml2_5.pdfクラスタ) に分離する問題 どちらがリンゴかミカンか教えなくとも 二つの集団があることがわかる](https://reader030.fdocuments.us/reader030/viewer/2022040618/5f2448fedb08793b2b75fb8b/html5/thumbnails/8.jpg)
ナイーブベイズ識別器(教師あり学習)(3/3)
ナイーブベイズ識別器の特徴の一つ:確率分布を用いているので様々な分布のものをデータの形式に合わせて選択できる
ガウス分布(連続値データ)
多項分布(カテゴリーデータ)
![Page 9: 教師あり学習と教師なし学習と確率small-island.work/trial/ml2_5.pdfクラスタ) に分離する問題 どちらがリンゴかミカンか教えなくとも 二つの集団があることがわかる](https://reader030.fdocuments.us/reader030/viewer/2022040618/5f2448fedb08793b2b75fb8b/html5/thumbnails/9.jpg)
教師あり学習(識別問題)と教師なし学習(クラスタリング)
色
大きさ
クラスタリング:データを複数の集合(クラスタ) に分離する問題
どちらがリンゴかミカンか教えなくとも二つの集団があることがわかる
色
大きさ
識別問題:データをクラスに識別する問題
与えられた教師データからそれらを分離する境界を計算
![Page 10: 教師あり学習と教師なし学習と確率small-island.work/trial/ml2_5.pdfクラスタ) に分離する問題 どちらがリンゴかミカンか教えなくとも 二つの集団があることがわかる](https://reader030.fdocuments.us/reader030/viewer/2022040618/5f2448fedb08793b2b75fb8b/html5/thumbnails/10.jpg)
教師あり学習(識別問題)と教師なし学習(クラスタリング)
色
大きさ
クラスタリング:データを複数の集合(クラスタ) に分離する問題
どちらがリンゴかミカンか教えなくとも二つの集団があることがわかる
色
大きさ
識別問題:データをクラスに識別する問題
与えられた教師データからそれらを分離する境界を計算
![Page 11: 教師あり学習と教師なし学習と確率small-island.work/trial/ml2_5.pdfクラスタ) に分離する問題 どちらがリンゴかミカンか教えなくとも 二つの集団があることがわかる](https://reader030.fdocuments.us/reader030/viewer/2022040618/5f2448fedb08793b2b75fb8b/html5/thumbnails/11.jpg)
ナイーブベイズクラスタリング
ナイーブベイズ識別器
クラス分けされた文書
𝑃𝑃(𝑋𝑋 = 𝑥𝑥|𝐶𝐶 = 𝑐𝑐)を計算する
文書のクラスの確率を計算できる𝑃𝑃(𝐶𝐶 = 𝑐𝑐|𝑋𝑋 = 𝑥𝑥)
𝑐𝑐: クラス(スパムかどうか)𝑥𝑥: 単語の有無
![Page 12: 教師あり学習と教師なし学習と確率small-island.work/trial/ml2_5.pdfクラスタ) に分離する問題 どちらがリンゴかミカンか教えなくとも 二つの集団があることがわかる](https://reader030.fdocuments.us/reader030/viewer/2022040618/5f2448fedb08793b2b75fb8b/html5/thumbnails/12.jpg)
ナイーブベイズクラスタリング
ナイーブベイズ識別器
クラス分けされた文書
𝑃𝑃(𝑋𝑋 = 𝑥𝑥|𝐶𝐶 = 𝑐𝑐)を計算する
文書のクラスの確率を計算できる𝑃𝑃(𝐶𝐶 = 𝑐𝑐|𝑋𝑋 = 𝑥𝑥)
文書のクラスをランダムに割り当てる
𝑐𝑐: クラス(スパムかどうか)𝑥𝑥: 単語の有無
![Page 13: 教師あり学習と教師なし学習と確率small-island.work/trial/ml2_5.pdfクラスタ) に分離する問題 どちらがリンゴかミカンか教えなくとも 二つの集団があることがわかる](https://reader030.fdocuments.us/reader030/viewer/2022040618/5f2448fedb08793b2b75fb8b/html5/thumbnails/13.jpg)
ナイーブベイズクラスタリング
ナイーブベイズ識別器
クラス分けされた文書
𝑃𝑃(𝑋𝑋 = 𝑥𝑥|𝐶𝐶 = 𝑐𝑐)を計算する 再度、文書のクラスを割り当てなおす
文書のクラスの確率を計算できる𝑃𝑃(𝐶𝐶 = 𝑐𝑐|𝑋𝑋 = 𝑥𝑥)
文書のクラスをランダムに割り当てる
𝑐𝑐: クラス(スパムかどうか)𝑥𝑥: 単語の有無
![Page 14: 教師あり学習と教師なし学習と確率small-island.work/trial/ml2_5.pdfクラスタ) に分離する問題 どちらがリンゴかミカンか教えなくとも 二つの集団があることがわかる](https://reader030.fdocuments.us/reader030/viewer/2022040618/5f2448fedb08793b2b75fb8b/html5/thumbnails/14.jpg)
初期化(ナイーブベイズクラスタリング)
クラス分けされた文書
𝑃𝑃(𝑋𝑋 = 𝑥𝑥|𝐶𝐶 = 𝑐𝑐)を計算する
再度、文書のクラスを割り当てなおす
文書のクラスの確率を計算できる𝑃𝑃(𝐶𝐶 = 𝑐𝑐|𝑋𝑋 = 𝑥𝑥)
文書のクラスをランダムに割り当てる
ナイーブベイズ識別器
𝑐𝑐: クラス(スパムかどうか)𝑥𝑥: 単語の有無
クラスをランダムに割り当てる
元データ
![Page 15: 教師あり学習と教師なし学習と確率small-island.work/trial/ml2_5.pdfクラスタ) に分離する問題 どちらがリンゴかミカンか教えなくとも 二つの集団があることがわかる](https://reader030.fdocuments.us/reader030/viewer/2022040618/5f2448fedb08793b2b75fb8b/html5/thumbnails/15.jpg)
繰り返し1回目(ナイーブベイズクラスタリング)
クラス分けされた文書
𝑃𝑃(𝑋𝑋 = 𝑥𝑥|𝐶𝐶 = 𝑐𝑐)を計算する
再度、文書のクラスを割り当てなおす
文書のクラスの確率を計算できる𝑃𝑃(𝐶𝐶 = 𝑐𝑐|𝑋𝑋 = 𝑥𝑥)
文書のクラスをランダムに割り当てる
ナイーブベイズ識別器
clf = GaussianNB()clf.fit(X, Y)newY=clf.predict(X)
初期化の結果
![Page 16: 教師あり学習と教師なし学習と確率small-island.work/trial/ml2_5.pdfクラスタ) に分離する問題 どちらがリンゴかミカンか教えなくとも 二つの集団があることがわかる](https://reader030.fdocuments.us/reader030/viewer/2022040618/5f2448fedb08793b2b75fb8b/html5/thumbnails/16.jpg)
繰り返し2回目(ナイーブベイズクラスタリング)
クラス分けされた文書
𝑃𝑃(𝑋𝑋 = 𝑥𝑥|𝐶𝐶 = 𝑐𝑐)を計算する
再度、文書のクラスを割り当てなおす
文書のクラスの確率を計算できる𝑃𝑃(𝐶𝐶 = 𝑐𝑐|𝑋𝑋 = 𝑥𝑥)
文書のクラスをランダムに割り当てる
ナイーブベイズ識別器
Y=newYclf.fit(X, Y)newY=clf.predict(X)
1回目の結果
![Page 17: 教師あり学習と教師なし学習と確率small-island.work/trial/ml2_5.pdfクラスタ) に分離する問題 どちらがリンゴかミカンか教えなくとも 二つの集団があることがわかる](https://reader030.fdocuments.us/reader030/viewer/2022040618/5f2448fedb08793b2b75fb8b/html5/thumbnails/17.jpg)
繰り返し3回目(ナイーブベイズクラスタリング)
クラス分けされた文書
𝑃𝑃(𝑋𝑋 = 𝑥𝑥|𝐶𝐶 = 𝑐𝑐)を計算する
再度、文書のクラスを割り当てなおす
文書のクラスの確率を計算できる𝑃𝑃(𝐶𝐶 = 𝑐𝑐|𝑋𝑋 = 𝑥𝑥)
文書のクラスをランダムに割り当てる
ナイーブベイズ識別器
2回目の結果
Y=newYclf.fit(X, Y)newY=clf.predict(X)
![Page 18: 教師あり学習と教師なし学習と確率small-island.work/trial/ml2_5.pdfクラスタ) に分離する問題 どちらがリンゴかミカンか教えなくとも 二つの集団があることがわかる](https://reader030.fdocuments.us/reader030/viewer/2022040618/5f2448fedb08793b2b75fb8b/html5/thumbnails/18.jpg)
繰り返し4回目(ナイーブベイズクラスタリング)
クラス分けされた文書
𝑃𝑃(𝑋𝑋 = 𝑥𝑥|𝐶𝐶 = 𝑐𝑐)を計算する
再度、文書のクラスを割り当てなおす
文書のクラスの確率を計算できる𝑃𝑃(𝐶𝐶 = 𝑐𝑐|𝑋𝑋 = 𝑥𝑥)
文書のクラスをランダムに割り当てる
ナイーブベイズ識別器
3回目の結果
Y=newYclf.fit(X, Y)newY=clf.predict(X)
![Page 19: 教師あり学習と教師なし学習と確率small-island.work/trial/ml2_5.pdfクラスタ) に分離する問題 どちらがリンゴかミカンか教えなくとも 二つの集団があることがわかる](https://reader030.fdocuments.us/reader030/viewer/2022040618/5f2448fedb08793b2b75fb8b/html5/thumbnails/19.jpg)
ナイーブベイズクラスタリング
ナイーブベイズ識別器
クラス分けされた文書
𝑃𝑃(𝑋𝑋 = 𝑥𝑥|𝐶𝐶 = 𝑐𝑐)を計算する 再度、文書のクラスを確率を的に割り当てる
文書のクラスの確率を計算できる𝑃𝑃(𝐶𝐶 = 𝑐𝑐|𝑋𝑋 = 𝑥𝑥)
文書のクラスをランダムに割り当てる
𝑐𝑐: クラス(スパムかどうか)𝑥𝑥: 単語の有無
![Page 20: 教師あり学習と教師なし学習と確率small-island.work/trial/ml2_5.pdfクラスタ) に分離する問題 どちらがリンゴかミカンか教えなくとも 二つの集団があることがわかる](https://reader030.fdocuments.us/reader030/viewer/2022040618/5f2448fedb08793b2b75fb8b/html5/thumbnails/20.jpg)
初期化(ナイーブベイズクラスタリング)
クラス分けされた文書
𝑃𝑃(𝑋𝑋 = 𝑥𝑥|𝐶𝐶 = 𝑐𝑐)を計算する
再度、文書のクラスを割り当てなおす
文書のクラスの確率を計算できる𝑃𝑃(𝐶𝐶 = 𝑐𝑐|𝑋𝑋 = 𝑥𝑥)
文書のクラスをランダムに割り当てる
ナイーブベイズ識別器
𝑐𝑐: クラス(スパムかどうか)𝑥𝑥: 単語の有無
クラスをランダムに割り当てる
元データ
![Page 21: 教師あり学習と教師なし学習と確率small-island.work/trial/ml2_5.pdfクラスタ) に分離する問題 どちらがリンゴかミカンか教えなくとも 二つの集団があることがわかる](https://reader030.fdocuments.us/reader030/viewer/2022040618/5f2448fedb08793b2b75fb8b/html5/thumbnails/21.jpg)
繰り返し1回目(ナイーブベイズクラスタリング)
クラス分けされた文書
𝑃𝑃(𝑋𝑋 = 𝑥𝑥|𝐶𝐶 = 𝑐𝑐)を計算する
再度、文書のクラスを確率を的に割り当てる
文書のクラスの確率を計算できる𝑃𝑃(𝐶𝐶 = 𝑐𝑐|𝑋𝑋 = 𝑥𝑥)
文書のクラスをランダムに割り当てる
ナイーブベイズ識別器
初期化の結果
…clf.fit(X, Y)newY=clf.predict_proba(X)
![Page 22: 教師あり学習と教師なし学習と確率small-island.work/trial/ml2_5.pdfクラスタ) に分離する問題 どちらがリンゴかミカンか教えなくとも 二つの集団があることがわかる](https://reader030.fdocuments.us/reader030/viewer/2022040618/5f2448fedb08793b2b75fb8b/html5/thumbnails/22.jpg)
繰り返し2回目(ナイーブベイズクラスタリング)
クラス分けされた文書
𝑃𝑃(𝑋𝑋 = 𝑥𝑥|𝐶𝐶 = 𝑐𝑐)を計算する
再度、文書のクラスを確率を的に割り当てる
文書のクラスの確率を計算できる𝑃𝑃(𝐶𝐶 = 𝑐𝑐|𝑋𝑋 = 𝑥𝑥)
文書のクラスをランダムに割り当てる
ナイーブベイズ識別器
1回目の結果
…clf.fit(X, Y)newY=clf.predict_proba(X)
![Page 23: 教師あり学習と教師なし学習と確率small-island.work/trial/ml2_5.pdfクラスタ) に分離する問題 どちらがリンゴかミカンか教えなくとも 二つの集団があることがわかる](https://reader030.fdocuments.us/reader030/viewer/2022040618/5f2448fedb08793b2b75fb8b/html5/thumbnails/23.jpg)
繰り返し3回目(ナイーブベイズクラスタリング)
クラス分けされた文書
𝑃𝑃(𝑋𝑋 = 𝑥𝑥|𝐶𝐶 = 𝑐𝑐)を計算する
再度、文書のクラスを確率を的に割り当てる
文書のクラスの確率を計算できる𝑃𝑃(𝐶𝐶 = 𝑐𝑐|𝑋𝑋 = 𝑥𝑥)
文書のクラスをランダムに割り当てる
ナイーブベイズ識別器
2回目の結果
…clf.fit(X, Y)newY=clf.predict_proba(X)
![Page 24: 教師あり学習と教師なし学習と確率small-island.work/trial/ml2_5.pdfクラスタ) に分離する問題 どちらがリンゴかミカンか教えなくとも 二つの集団があることがわかる](https://reader030.fdocuments.us/reader030/viewer/2022040618/5f2448fedb08793b2b75fb8b/html5/thumbnails/24.jpg)
まとめ
確率を使った識別問題とクラスタリングの例を紹介した
色
大きさ
クラスタリング:データを複数の集合(クラスタ) に分離する問題
色
大きさ
識別問題:データをクラスに識別する問題
*今回紹介したクラスタリング法はHARD-EM法(前半)、EM法(後半:確率的なクラス割り当ての)と呼ばれる方法