認知アルゴリズム特論
課題2 ML推定
お知らせ
10月26日(火)の講義は休みにします。また、レポートの提出期限を11月
1日(月)としましたので、注意して下さい。
前回の課題では、各カテゴリの真の分布が明らかな場合
について、ベイズ識別とユークリッド距離による識別を行なった。
今回は、各カテゴリの真の分布が未知だが、各カテゴリ
の学習用データが得られる場合について考える。つまり、各カテゴリの学習用
データから各カテゴリの分布を ML 推定によって推定し、この分布
を用いて、テスト用データのベイズ識別およびユークリッド距離による識別
を行なう。
-
各カテゴリの分布がガウス分布の場合について,
前回の課題と同様の実験を,学習データからML推定により得られた各カテゴリの
分布を用いて行なう.
真の分布を用いた場合と,ML推定で得られた分布を用いた場合との違いを
考察する.(各カテゴリの分布や学習データ数などを変えて考察する)
- クラス数: 2(各クラスの生起確率は等しいとする)
- パターンの次元数: 1
- 学習用パターンの数:大小いくつかを試す
- テスト用パターンの数:各クラス100個以上
- パターンの分布:ガウス分布(各クラスに異なる種々の平均と分散を与えて実験を行なう)
-
一方のカテゴリの分布が一様分布のときに,それをガウス分布であるとの仮定
のもとにML推定して得られた分布を用いた場合について,同様の実験を用いて
行なう.
真の分布を用いた場合と,ML推定で得られた分布を用いた場合との違いを
考察する.(各カテゴリの分布や学習データ数などを変えて考察する)
- クラス数: 2(各クラスの生起確率は等しいとする)
- パターンの次元数: 1
- 学習用パターンの数:大小いくつかを試す
- テスト用パターンの数:各クラス100個以上
- パターンの分布:ガウス分布(各クラスに異なる種々の平均と分散を与えて実験を行なう)および一様分布(各クラスに異なる種々の分布を与えて実験を行なう)
Last modified: October 13, 1999