グラフィカルモデルによる確率モデル設計の基本 - 作って遊ぶ機械学習。

今回から数回にわたって、グラフィカルモデルを利用した確率モデルの設計についてお話しします。従来の統計モデルと比べ、機械学習を機械学習たらしめているものの一つは、扱う現象の複雑さにあると言えます。複雑な現象を解析するためにはそれに見合った複雑なモデルが必要で、それを簡潔に記述するための方法としてグラフィカルモデルが開発されました。 「グラフィカルモデルを使って現象をモデル化し、必要に応じて近似推論法を用いて未知の値を推定する」 という一連の流れが身につくと、いろんなデータサイエンスの課題に対してシンプルかつフォーマルに取り組めるようになります。 それではまず始めに、超超超重要な確率の加法定理と乗法定理の確認をしてみましょう。 ・加法定理（sum rule）*1 \[ p(x) = \sum_y p(x,y) \] ・乗法定理（product rule） \[ p(x,y) = p(x|y)p

[hoxo_m]

わかりやすい。