mots quotidiens. | |
Daichi Mochihashi (持橋大地) daichi <at> ism.ac.jp | by hns, version 2.10-pl1. |
|
||||||||||||||||||||||||||||||||||||||||||||||||
とりあえず, 赤池先生が本当にゴルフの話を始められたのにびっくりしたわけですが(w,
甘利先生を含めて, 全体的に強調されていたのは, AICのポイントはその
(結果的に簡単な)式自体というより, 訓練データではなく, それから導かれる予測力
をもとに統計モデルの基準を考える点だった, という話だったと思います。
AIC自体は, それを金科玉条のように考える必要はなく, モデルに許される複雑さの
上限を与えるものとして, それよりコンパクトなモデルを選ぶのは自由だ, と
いう話でした。ただしこの際にも, AICがあまり下がるようではまずいという意味で
AICはやはり基準となりうる, ということ。
赤池先生ご自身を含めて, AICは「次元数の選択」を行うもの
ではなく, 「モデルの選択」を行うものであり, 新しいモデルを考えることが
最も重要である, ということが強調されていたように思います。
(ベイジアンとしては, 結局それは事前分布の設定を含めたベイズモデルに繋がって
いくのではないかという感想を持ったのですが..。)
RissanenのMDLとの比較が当然問題になりますが, MDLはモデルの最小記述長を問題にしたもので,
優れた理論ではあるものの, 予測を最初から狙っているものではないので,
使うべき場所が本来違うはずだ, という議論を甘利先生がおっしゃっておられました。
甘利先生の話, 北川先生の話を含めて他の講演も非常に興味深い内容でした。 個人的には, Particle Filterを勉強した者にとって北川先生は神なので, *1 若々しい声の時系列モデルのお話が聞けて, たいへん有意義でした。:-)
別に僕は数学はそんなに得意ではなかったですが(国語の方が得意),
大数を読んで, 数学の素晴らしさがよくわかったような気がします。
大学に入ったら絶対にMacintoshとMathematicaを買うんだ!!と思ったのも大数の影響
でした。
自然言語処理のくせにNIPSやICMLの論文を読みまくっている(最近はこれは
普通になりつつありますが)のと, 文系のくせに毎月大数を買って
バウムクーヘン分割や傘型分割
*1
がどうとか言っているのは, 結局変わっていないのでは, という気がしないでも
ない。(^^;)
大数のバックナンバーは, 大きな書店には置いてあるようです。
タイトル一覧 |