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。