RBF(動径基底関数)
RBF(動径基底関数)はからの動径に依存する以下のような形式をもったものがよく利用されます。
関数補間では、が与えられたときに、となるように、目的変数の値を正確に再現することの
できる滑らかな関数を求めることが目的です。
次のように、を各データ点に中心を置いたRBFの線形結合で表すことができます。
係数の値は、最小二乗法によって求めることができます。(過学習はしてしまいます。)
変分法を用いたNadaraya-Watsonモデルの定式化
入力変数にノイズが含まれる場合の補間を考えます。
入力変数に含まれるノイズが、確率分布に従う確率変数とによって表されるとき、二乗和誤差関数は以下のようになります。
は二乗和誤差の期待値を足しわせたものであることが分かります。
より、
ここで、はの項です。
停留条件はの係数がになることなので、以下のようになります。
ここで、積分を外すためによく用いられるデルタ関数を使います。
より、は以下のようになります。
のをで書き替えます。
ここで、RBFは以下で与えられるものとします。
基底関数が正規化されているため、任意のに対してとなります。
下の左図は3つのガウス紙関数、下の右図はそれぞれの基底関数を正規化したものです。
カーネル密度推定法を用いたNadaraya-Watsonモデルの定式化
訓練集合をとして、同時分布を推定します。
カーネル密度推定法を用います。
を求めるには、入力変数で条件付けられた目標変数の条件付き期待値を考えればよいです。
ここで、のについての平均はであるとします。
のにを、にを代入します。
をに代入します。
では次のようにおきました。
任意のに対してとなります。
条件付期待値ではなく、条件付確率分布は以下のようになります。
Nadaraya-Watsonモデルの例
例として、入力が1次元で、が平均、分散がの等方的なガウス分布で与えられるような場合を考えます。
にを代入します。
より、以下のようになります。
の分母にあるを計算します。
より、
となります。
また、条件付き期待値と条件付き分散はカーネルを使って次のように書けます。
下図に、三角関数データに対して等方的なガウスカーネルを用いたときの、Nadaraya-Watsonカーネル回帰モデルを図示したものを示します。
回帰関数は、赤い曲線です。条件付き分布の標準偏差の2倍までの領域を薄い赤い色で示しています。
等高線が円になっていないのは、縦軸と横軸の縮尺が異なるためです。
偉人の名言
長い人生には必ず浮沈がある。しかし、努力勉強は必ず報われる。
江戸英雄