文献

J-GLOBAL ID：201002219394680952   整理番号：10A0768752

ノンパラメトリックベイズに基づく統計的機械学習

Statistical Machine Learning Based on Nonparametric Bayesian Models

著者 (1件)： 牧野貴樹 (東大 総括プロジェクト機構)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 110  号： 76(IBISML2010 1-28)  ページ： 87-94  発行年： 2010年06月07日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 文献レビュー  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ノンパラメトリックベイズは,過学習の回避とモデル選択という,機械学習において繰り返し問題となるテーマに対する新しいアプローチである。ノンパラメトリックベイズ手法は,仮説空間上に適切な事前確率分布を導入することで無用に複雑な解を避けるベイズ推定の考え方をさらに推し進め,無限個のモデルの混合分布を考えることで,学習データに対応する複雑さのモデルが自動的に選択されるようにできることから,関数回帰,クラスタリング,文書のトピックモデルなど,多くの応用が研究されている。このレビューでは,隠れマルコフモデルをノンパラメトリックベイズ化することで無限個の隠れ状態まで扱えるinfinite HMMを中心に,ノンパラメトリックベイズの枠組みを紹介する。また,infinite HMMの自然な拡張により隠れ状態の階層的なクラスタリングが実現できることを示す。(著者抄録)

シソーラス用語： ノンパラメトリック法 ,  *Bayes推定 ,  *機械学習 ,  隠れMarkovモデル ,  文書 ,  主題 ,  階層構造 ,  クラスタ化
準シソーラス用語： クラスタリング ,  トピックモデル ,  *ノンパラメトリックBayes法 ,  *統計的機械学習

分類 (2件)： システム・制御理論一般  (IA02010H) ,  人工知能  (JE08000Z)

引用文献 (21件)：

• BEAL, M. J. The infinite hidden Markov model. Advances in NIPS. 2002, 14, 577-584
• BISHOP, C. M. Pattern Recognition and Machine Learning (Information Science and Statistics). 2006
• HECKERMAN, D. A tutorial on learning with bayesian networks. 1995
• DOMINGOS, P. On the optimality of the simple bayesian classifier under zero-one loss. Machine Learning. 1997, 29, 103-137
• NEUMAIER, A. Solving ill-conditioned and singular linear systems : A tutorial on regularization. SIAM Review. 1998, 636-666

タイトルに関連する用語 (1件)： 統計的機械学習