-
Notifications
You must be signed in to change notification settings - Fork 4
/
Congugate normal-Gamma prior of normal distribution.jl
2082 lines (1818 loc) · 67.7 KB
/
Congugate normal-Gamma prior of normal distribution.jl
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
# -*- coding: utf-8 -*-
# ---
# jupyter:
# jupytext:
# formats: ipynb,jl:hydrogen
# text_representation:
# extension: .jl
# format_name: hydrogen
# format_version: '1.3'
# jupytext_version: 1.10.3
# kernelspec:
# display_name: Julia 1.7.3
# language: julia
# name: julia-1.7
# ---
# %% [markdown]
# # 正規分布の共役事前分布(正規ガンマ分布)
#
# 黒木玄
#
# 2017-11-28~2018-01-26, 2018-04-02, 2018-10-11
#
# * Copyright 2018 Gen Kuroki
# * License: MIT https://opensource.org/licenses/MIT
# %% [markdown] toc="true"
# <h1>目次<span class="tocSkip"></span></h1>
# <div class="toc"><ul class="toc-item"><li><span><a href="#解説" data-toc-modified-id="解説-1"><span class="toc-item-num">1 </span>解説</a></span><ul class="toc-item"><li><span><a href="#正規分布とガンマ分布" data-toc-modified-id="正規分布とガンマ分布-1.1"><span class="toc-item-num">1.1 </span>正規分布とガンマ分布</a></span></li><li><span><a href="#共役事前分布(正規ガンマ分布)" data-toc-modified-id="共役事前分布(正規ガンマ分布)-1.2"><span class="toc-item-num">1.2 </span>共役事前分布(正規ガンマ分布)</a></span></li><li><span><a href="#共役事前分布のベイズ更新" data-toc-modified-id="共役事前分布のベイズ更新-1.3"><span class="toc-item-num">1.3 </span>共役事前分布のベイズ更新</a></span></li><li><span><a href="#予測分布" data-toc-modified-id="予測分布-1.4"><span class="toc-item-num">1.4 </span>予測分布</a></span></li><li><span><a href="#分配函数" data-toc-modified-id="分配函数-1.5"><span class="toc-item-num">1.5 </span>分配函数</a></span></li><li><span><a href="#LOOCV-(1個抜き出し交差検証,-leave-one-out-cross-validation)" data-toc-modified-id="LOOCV-(1個抜き出し交差検証,-leave-one-out-cross-validation)-1.6"><span class="toc-item-num">1.6 </span>LOOCV (1個抜き出し交差検証, leave-one-out cross-validation)</a></span></li><li><span><a href="#ベイズ自由エネルギー" data-toc-modified-id="ベイズ自由エネルギー-1.7"><span class="toc-item-num">1.7 </span>ベイズ自由エネルギー</a></span></li><li><span><a href="#対数尤度函数およびその二乗の期待値" data-toc-modified-id="対数尤度函数およびその二乗の期待値-1.8"><span class="toc-item-num">1.8 </span>対数尤度函数およびその二乗の期待値</a></span></li><li><span><a href="#WBIC" data-toc-modified-id="WBIC-1.9"><span class="toc-item-num">1.9 </span>WBIC</a></span></li><li><span><a href="#WAIC" data-toc-modified-id="WAIC-1.10"><span class="toc-item-num">1.10 </span>WAIC</a></span></li><li><span><a href="#improved-WBIC?" data-toc-modified-id="improved-WBIC?-1.11"><span class="toc-item-num">1.11 </span>improved WBIC?</a></span></li></ul></li><li><span><a href="#パッケージの読み込み" data-toc-modified-id="パッケージの読み込み-2"><span class="toc-item-num">2 </span>パッケージの読み込み</a></span></li><li><span><a href="#逆温度βの擬似確率分布の定義" data-toc-modified-id="逆温度βの擬似確率分布の定義-3"><span class="toc-item-num">3 </span>逆温度βの擬似確率分布の定義</a></span></li><li><span><a href="#正規ガンマ分布" data-toc-modified-id="正規ガンマ分布-4"><span class="toc-item-num">4 </span>正規ガンマ分布</a></span></li><li><span><a href="#ベイズ更新" data-toc-modified-id="ベイズ更新-5"><span class="toc-item-num">5 </span>ベイズ更新</a></span></li><li><span><a href="#WBICとWAIC" data-toc-modified-id="WBICとWAIC-6"><span class="toc-item-num">6 </span>WBICとWAIC</a></span></li><li><span><a href="#AICとBIC" data-toc-modified-id="AICとBIC-7"><span class="toc-item-num">7 </span>AICとBIC</a></span></li><li><span><a href="#事前分布,-事後分布,-WAIC,-WBICのプロット" data-toc-modified-id="事前分布,-事後分布,-WAIC,-WBICのプロット-8"><span class="toc-item-num">8 </span>事前分布, 事後分布, WAIC, WBICのプロット</a></span></li><li><span><a href="#ベイズ自由エネルギーの積分による近似計算" data-toc-modified-id="ベイズ自由エネルギーの積分による近似計算-9"><span class="toc-item-num">9 </span>ベイズ自由エネルギーの積分による近似計算</a></span></li><li><span><a href="#事前分布選択" data-toc-modified-id="事前分布選択-10"><span class="toc-item-num">10 </span>事前分布選択</a></span></li></ul></div>
# %% [markdown]
# ## 解説
# %% [markdown]
# ### 正規分布とガンマ分布
#
# 正規分布の確率密度函数を
#
# $$
# p_N(x|\mu,\lambda) = \frac{1}{\sqrt{2\pi}}e^{-\lambda(x-\mu)^2/2}\lambda^{1/2}
# $$
#
# と表わすことにする. この正規分布の平均と標準偏差はそれぞれ $\mu$, $\sigma=1/\sqrt{\lambda}$ である.
#
# ガンマ分布の確率密度函数を
#
# $$
# p_\Gamma(\lambda|\alpha,\theta) = \frac{1}{\Gamma(\alpha)\theta^\alpha}e^{-\lambda/\theta}\lambda^{\alpha-1}
# $$
#
# と表わす. このガンマ分布の平均と標準偏差はそれぞれ $\mu_\lambda=\alpha\theta$, $\sigma_\lambda=\sqrt{\alpha\theta^2}$ である.
# %% [markdown]
# ### 共役事前分布(正規ガンマ分布)
#
# 正規分布の共役事前分布 $\varphi$ が次のように定義される:
#
# $$
# \begin{aligned}
# \varphi(\mu,\lambda|\mu_0,\lambda_0,\alpha,\theta) &=
# p_N(\mu|\mu_0, \lambda\lambda_0)p_\Gamma(\lambda|\alpha,\theta) \\ & =
# \sqrt{\frac{\lambda_0}{2\pi}} \frac{1}{\Gamma(\alpha)\theta^\alpha}
# \exp\left[-\frac{\lambda}{2}\left( \lambda_0(\mu-\mu_0)^2 + 2\theta^{-1} \right)\right]
# \lambda^{\alpha+1/2-1}.
# \end{aligned}
# $$
#
# この確率密度函数で定義される確率分布を**正規ガンマ分布**と呼ぶことにする.
#
# 正規ガンマ分布 $\varphi(\mu,\lambda)=\varphi(\mu,\lambda|\mu_0,\lambda_0,\alpha,\theta)$ に関する $f(\mu,\lambda)$ の平均を
#
# $$
# E_{\varphi(\mu,\lambda)}[f(\mu,\lambda)]
# =\int_0^\infty d\lambda\int_{-\infty}^\infty d\mu\;f(\mu,\lambda)\varphi(\mu,\lambda)
# $$
#
# と書くことにする.
#
# $\mu_\lambda = \alpha\theta$ とおく. このとき
#
# $$
# \begin{aligned}
# &
# E_{\varphi(\mu,\lambda)}[\mu] = \mu_0,
# & &
# E_{\varphi(\mu,\lambda)}[(\mu-\mu_0)^2] =
# \begin{cases}
# \dfrac{1}{\lambda_0\mu_\lambda(1-\alpha^{-1})} & (\alpha > 1),\\
# \infty & (0<\alpha\leqq 1),
# \end{cases}
# \\ &
# E_{\varphi(\mu,\lambda)}[\lambda] = \alpha\theta = \mu_\lambda,
# & &
# E_{\varphi(\mu,\lambda)}[(\lambda-\mu_\lambda)^2] = \alpha\theta^2 = \frac{\mu_\lambda^2}{\alpha}.
# \end{aligned}
# $$
#
# $\mu_0$ と $\mu_\lambda$ を一定とするとき, $\mu,\lambda$ の分散を大きくするためには $\alpha$ と $\lambda_0$ を小さくすればよい.
# %% [markdown]
# ### 共役事前分布のベイズ更新
#
# 事前分布 $\varphi(\mu,\lambda)$ と サンプル $X_1,\ldots,X_n$ に関する逆温度 $\beta$ の事後分布 $\tilde\varphi(\mu,\lambda)$ は次の式で定義される:
#
# $$
# \tilde\varphi(\mu,\lambda) =
# \frac
# {\left(\prod_{i=1}^n p_N(X_i|\mu,\lambda)\right)^\beta\varphi(\mu,\lambda)}
# {\int_0^\infty d\lambda\int_{-\infty}^\infty d\mu\,\left(\prod_{i=1}^n p_N(X_i|\mu,\lambda)\right)^\beta\varphi(\mu,\lambda)}.
# $$
#
# $\varphi(\mu,\lambda) = \varphi(\mu,\lambda|\mu_0,\lambda_0,\alpha,\theta)$ のとき
#
# $$
# \tilde\varphi(\mu,\lambda) = \varphi(\mu,\lambda|\tilde\mu_0, \tilde\lambda_0, \tilde\alpha, \tilde\theta)
# $$
#
# となる. ただし, $\tilde\mu_0, \tilde\lambda_0, \tilde\alpha, \tilde\theta$ は, サンプルの平均と分散を
#
# $$
# \bar X = \frac{1}{n}\sum_{i=1}^n X_i, \quad
# V(X) = \frac{1}{n}\sum_{i=1}^n (X_i - \bar X)^2.
# $$
#
# 書くことにすると, 以下のように定義される:
#
# $$
# \begin{aligned}
# &
# \tilde\mu_0 = \frac{\lambda_0\mu_0 + \beta n \bar X}{\lambda_0 + \beta n}, %\quad
# & &
# \tilde\lambda_0 = \lambda_0 + \beta n, \quad
# \\ &
# \tilde\alpha = \alpha + \frac{1}{2}\beta n, %\quad
# & &
# {\tilde\theta}^{-1} = \theta^{-1}\left[
# 1 + \frac{\theta}{2}\left(
# \frac{\beta n\lambda_0}{\lambda_0 + \beta n}\left(\bar X - \mu_0\right)^2 + \beta n V(X)
# \right)
# \right].
# \end{aligned}
# $$
#
# これを共役事前分布のベイズ更新と呼ぶ. 共役分布のベイズ更新はもとのパラメーターと $\beta n$, $\bar X$, $V(X)$ で表わされる. サンプルのサイズと逆温度の積, サンプルの平均, サンプルの分散の情報があればベイズ更新可能である.
# %% [markdown]
# ### 予測分布
#
# $\varphi(\mu,\lambda) = \varphi(\mu,\lambda|\mu_0,\lambda_0,\alpha,\theta)$ に関する予測分布 $p^*(x)$ が
#
# $$
# p^*(x) = E_{\varphi(\mu,\lambda)}[p_N(x|\mu,\lambda)] = \int_0^\infty d\lambda\int_{-\infty}^\infty p_N(x|\mu,\lambda)\varphi(\mu,\lambda)
# $$
#
# と定義される. 予測分布は次の形になる:
#
# $$
# p^*(x) =
# \sqrt{\frac{1}{2\pi}\frac{\theta\lambda_0}{\lambda_0+1}}\;
# \frac{\Gamma(\alpha+1/2)}{\Gamma(\alpha)}
# \left[
# 1 + \frac{1}{2}\frac{\theta\lambda_0}{\lambda_0+1}(x-\mu_0)^2
# \right]^{-(\alpha+1/2)}.
# $$
#
# この分布は自由度 $\nu = 2\alpha$ のt分布を $\mu_0$ が中心になるように平行移動し, $\displaystyle \rho = \sqrt{\frac{\lambda_0+1}{\lambda_0\alpha\theta}}$ 倍でスケール変換して得らえる確率分布である. この予測分布に従う確率変数 $X^*$ は自由度 $\nu$ のt分布に従う確率変数 $T(\nu)$ によって
#
# $$
# X^* = \mu_0 + \rho\,T(\nu), \quad \rho = \sqrt{\frac{\lambda_0+1}{\lambda_0\alpha\theta}}, \quad \nu=2\alpha
# $$
#
# と表わされる. 自由度 $\nu$ を大きくするとt分布は正規分布に近付く.
#
# サンプルサイズ $n$ を大きくすると, 予測分布は平均 $\bar X$, 分散 $V(X)$ の正規分布に漸近して行く.
# %% [markdown]
# ### 分配函数
#
# $\varphi(\mu,\lambda) = \varphi(\mu,\lambda|\mu_0,\lambda_0,\alpha,\theta)$ に関する逆温度 $\beta$ の分配函数が次のように定義される:
#
# $$
# Z^\beta(X_1,\ldots,X_n|\mu_0,\lambda_0,\alpha,\theta) =
# \int_0^\infty d\lambda\int_{-\infty}^\infty d\mu\;
# \left(\prod_{i=1}^n p_N(X_i|\mu,\lambda)\right)^\beta\varphi(\mu,\lambda).
# $$
#
# これは次のように表わされる:
#
# $$
# Z^\beta(X_1,\ldots,X_n|\mu_0,\lambda_0,\alpha,\theta) =
# \frac
# {z(\tilde\mu_0, \tilde\lambda_0, \tilde\alpha, \tilde\theta)}
# {(2\pi)^{\beta n/2}\; z(\mu_0,\lambda_0,\alpha,\theta)}.
# $$
#
# ここで,
#
# $$
# z(\mu_0,\lambda_0,\alpha,\theta) =
# \sqrt{\frac{2\pi}{\lambda_0}} \Gamma(\alpha)\theta^\alpha.
# $$
#
# この公式を用いれば対数分配函数 $\log Z^\beta(\mu_0,\lambda_0,\alpha,\theta)$ に関する公式も得られる:
#
# $$
# \log Z^\beta(X_1,\ldots,X_n|\mu_0,\lambda_0,\alpha,\theta) = \log z(\tilde\mu_0, \tilde\lambda_0, \tilde\alpha, \tilde\theta) - \log z(\mu_0,\lambda_0,\alpha,\theta) -\frac{\beta n}{2}\log(2\pi).
# $$
#
# ここで
#
# $$
# \log z(\mu_0,\lambda_0,\alpha,\theta) = \frac{1}{2}\left(\log(2\pi) - \log\lambda_0\right) + \log\Gamma(\alpha) + \alpha\log\theta.
# $$
# %% [markdown]
# ### LOOCV (1個抜き出し交差検証, leave-one-out cross-validation)
#
# このノートでは情報量規準のスケールとして, AICやBICで採用されている伝統的なスケールを採用する. そのスケールのもとで LOOCV は次のように定義される:
#
# $$
# \mathrm{LOOCV} = - 2\sum_{i=1}^n \log
# \left(\text{逆温度 $\beta$ におけるサンプル $X_1,\ldots,\widehat X_i,\ldots,X_n$ の事後分布に関する $p_N(X_i|\mu,\lambda)$} の期待値\right).
# $$
#
# ここで $\widehat X_i$ は $X_i$ を除くという意味である. $X_i$ を除いたサンプルに関する事後分布に関する期待値は除かない場合の期待値で書ける. 除かない場合の通常の逆温度は $\beta$ の事後分布に関する期待値を $E_{\tilde\varphi(\mu,\lambda)}[f(\mu,\lambda)]$ と書くことにすると,
#
# $$
# \mathrm{LOOCV} = - 2\sum_{i=1}^n \log\frac
# {E_{\tilde\varphi(\mu,\lambda)}\left[p_N(X_i|\mu,\lambda)^{1-\beta}\right]}
# {E_{\tilde\varphi(\mu,\lambda)}\left[p_N(X_i|\mu,\lambda)^{-\beta}\right]}.
# $$
#
# 分配函数の定義より,
#
# $$
# Z^\kappa(x|\tilde\mu_0, \tilde\lambda_0, \tilde\alpha, \tilde\theta) =
# \int_0^\infty d\lambda\int_{-\infty}^\infty d\mu\;
# p_N(x|\mu,\lambda)^\kappa\;\varphi(\mu,\lambda|\tilde\mu_0, \tilde\lambda_0, \tilde\alpha, \tilde\theta).
# $$
#
# であることに注意すれば, LOOCVは事後分布を事前分布とする分配函数によって次のように表わされることがわかる:
#
# $$
# \mathrm{LOOCV} = - 2\sum_{i=1}^n \log\frac
# {Z^{1-\beta}(X_i|\tilde\mu_0, \tilde\lambda_0, \tilde\alpha, \tilde\theta)}
# {Z^{-\beta}(X_i|\tilde\mu_0, \tilde\lambda_0, \tilde\alpha, \tilde\theta)}.
# $$
#
# この公式に前節の公式を適用すればLOOCVを計算できる.
# %% [markdown]
# ### ベイズ自由エネルギー
#
# AICやBICの伝統的なスケールのもとでの逆温度 $\beta$ のベイズ自由エネルギーは次のように定義される:
#
# $$
# \mathrm{BayesianFreeEnergy} =
# -\frac{2}{\beta}\log Z^\beta(X_1,\ldots,X_n|\tilde\mu_0, \tilde\lambda_0, \tilde\alpha, \tilde\theta).
# $$
# %% [markdown]
# ### 対数尤度函数およびその二乗の期待値
#
# WBICやWAICの公式を作るためには $\varphi(\mu,\lambda) = \varphi(\mu,\lambda|\mu_0,\lambda_0,\alpha,\theta)$ に関する $\log p_N(x|\mu,\lambda)$ およびその二乗の平均の公式を作っておく必要がある. その結果は以下の通り. 函数 $f(\mu,\lambda)$ に対して
#
# $$
# E_{\varphi(\mu,\lambda)}[f(\mu,\lambda)] = \int_0^\infty d\lambda \int_{-\infty}^\infty d\mu\;
# f(\mu,\lambda)\;\varphi(\mu,\lambda|\mu_0,\lambda_0,\alpha,\theta)
# $$
#
# と書くことにする. このとき,
#
# $$
# -2 E_{\varphi(\mu,\lambda)}[\log p_N(x|\mu,\lambda)] =
# \log(2\pi) + \alpha\theta(x-\mu_0)^2 + \frac{1}{\lambda_0} - (\psi(\alpha)+\log\theta).
# $$
#
# ここで $\psi(\alpha)$ はガンマ函数の対数微分であり, digamma函数と呼ばれる. さらに
#
# $$
# \begin{aligned}
# 4 E_{\varphi(\mu,\lambda)}\left[(\log p_N(x|\mu,\lambda))^2\right]
# &= (\log(2\pi))^2
# \\ & + (\alpha+1)\alpha\theta^2(x-\mu_0)^4 + \frac{6\alpha\theta}{\lambda_0}(x-\mu_0)^2 + \frac{3}{\lambda_0^2}
# \\ & + \psi'(\alpha) + (\psi(\alpha)+\log\theta)^2
# \\ & + 2\log(2\pi)\left(\alpha\theta(x-\mu_0)^2+\frac{1}{\lambda_0}\right)
# \\ & - 2\log(2\pi)(\psi(\alpha)+\log\theta)
# \\ & - 2\left( (x-\mu_0)^2 (\theta+\alpha\theta\;(\psi(\alpha)+\log\theta)) + \frac{\psi(\alpha)+\log\theta}{\lambda_0} \right).
# \end{aligned}
# $$
#
# これらの公式を使えば, WBICとWAICを正確に計算するための公式が得られる.
#
# このノートブックでは実際にその公式を使ってWBICとWAICを計算できるようにしてある.
#
# **訂正(2018-04-02)** $4 E_{\varphi(\mu,\lambda)}\left[(\log p_N(x|\mu,\lambda))^2\right]$ の公式の最後の項を修正した(なぜか $\alpha\theta/\lambda=0$ になっていた). WBICを計算するためのコードの方には誤りは無かった.
# %% [markdown]
# ### WBIC
#
# 対数分配函数の $\beta$ による微分は次のように書ける:
#
# $$
# Z(\beta) = Z^\beta(X_1,\ldots,X_n|\mu_0,\lambda_0,\alpha,\theta), \quad
# \tilde\varphi(\mu,\lambda) = \varphi(\mu,\lambda|\tilde\mu_0, \tilde\lambda_0, \tilde\alpha, \tilde\theta)
# $$
#
# とおくと, $Z(0)=1$ でかつ
#
# $$
# -\frac{\partial}{\partial\beta}\log Z(\beta)=
# \int_0^\infty d\lambda\int_{-\infty}^\infty d\mu\;
# H(\lambda,\mu)\;\tilde\varphi(\mu,\lambda) = E_{\tilde\varphi(\mu,\lambda)}[H(\mu,\lambda)].
# $$
#
# ここで
#
# $$
# H(w) = - \sum_{i=1}^n \log p(X_i|\mu,\lambda).
# $$
#
# $\tilde\varphi(\mu,\lambda)$ で省略されているパラメーターの中に逆温度 $\beta$ が含まれていることに注意せよ.
#
# ゆえに,
#
# $$
# -\log Z(1) = \int_0^1 d\beta\;E_{\tilde\varphi(\mu,\lambda)}[H(\mu,\lambda)]
# $$
#
# WBICの理論によれば上の $\log Z(1)$ は $\beta=1/\log n$ における $E_{\tilde\varphi(\mu,\lambda)}[H(\mu,\lambda)]$ の値で近似される. AICとBICの伝統的スケールでWBICは次のように定義される:
#
# $$
# \mathrm{WBIC} =
# 2\left.E_{\tilde\varphi(\mu,\lambda)}[H(\mu,\lambda)]\right|_{\beta = 1/\log n} =
# 2\left.\sum_{i=1}^n E_{\tilde\varphi(\mu,\lambda)}[-\log p_N(X_i|\mu,\lambda)]\right|_{\beta = 1/\log n}.
# $$
#
# これは前節の公式を使えば計算できる. WBICは $\beta=1$ での BayesianFreeEnergy の推定値になっている.
#
# WBICについては
#
# http://watanabe-www.math.dis.titech.ac.jp/users/swatanab/wbic2012.html
#
# を見よ. そこでは, このノートにおける $H(w)=H(\mu,\lambda)$ は $E^\beta_w[nL_n(w)]$ と書かれている.
#
# $$
# \mathrm{WBIC} = 2\left(\text{逆温度 $\beta=\frac{1}{\log n}$ での事後分布に関する対数尤度函数の $-1$ 倍の期待値}\right).
# $$
# %% [markdown]
# ### WAIC
#
# AICやBICの伝統的なスケールにおけるWAICは以下のように定義される:
#
# $$
# \mathrm{WAIC} = 2(T + \beta V).
# $$
#
# ここで
#
# $$
# \begin{aligned}
# &
# T = -\sum_{i=1}^n \log\tilde p^*_N(X_i),
# \\ &
# \tilde p^*(x) = E_{\tilde\varphi(\mu,\lambda)}[p_N(X_i|\mu,\lambda)],
# \\ &
# V = \sum_{i=1}^n V_{\tilde\varphi(\mu,\lambda)}\left[\log p_N(X_i|\mu,\lambda)\right],
# \\ &
# V_{\tilde\varphi(\mu,\lambda)}\left[\log p_N(X_i|\mu,\lambda)\right] =
# E_{\tilde\varphi(\mu,\lambda)}\left[(\log p_N(X_i|\mu,\lambda))^2\right] -
# E_{\tilde\varphi(\mu,\lambda)}\left[\log p_N(X_i|\mu,\lambda)\right]^2.
# \end{aligned}
# $$
#
# これらは前々節の公式を使えば計算可能である.
#
# WAICについては次のサイトを参照せよ:
#
# http://watanabe-www.math.dis.titech.ac.jp/users/swatanab/waic2011.html
#
# $$
# \begin{aligned}
# \mathrm{WAIC} & = -2
# \sum_{i=1}^n\log\left(\text{逆温度 $\beta$ での事後分布に関する $p(X_i|w)$ の期待値}\right)
# \\ & + 2\beta
# \sum_{i=1}^n\left(\text{逆温度 $\beta$ での事後分布に関する $\log p(X_i|w)$ の分散}\right).
# \end{aligned}
# $$
#
# %% [markdown]
# ### improved WBIC?
#
# <a href="https://blog.albert2005.co.jp/2016/04/19/%E3%83%99%E3%82%A4%E3%82%BA%E6%83%85%E5%A0%B1%E9%87%8F%E8%A6%8F%E6%BA%96%E5%8F%8A%E3%81%B3%E3%81%9D%E3%81%AE%E7%99%BA%E5%B1%95-%EF%BD%9E%E6%A6%82%E8%AA%AC%E7%B7%A8%EF%BD%9E/">ベイズ情報量規準及びその発展 ~概説編~ 2016年4月19日</a>
#
# には improved WBIC に関する研究が賞をもらったと書いてある:
#
# https://www.albert2005.co.jp/release/archives/201604/19_110050.html
#
# しかし, Googleなどで検索しても論文を見付けることができなかった(2017-11-30).
#
# さらに検索を続けると
#
# http://onlinelibrary.wiley.com/doi/10.1111/rssb.12187/full
#
# のdiscussionに定義式が書いてあるように見えた. その部分を次のセルに引用しておく.
# %%
using Base64
open("drton2017_01.jpg") do f
base64 = base64encode(f)
display("text/html", """<img src="data:image/jpg;base64,$base64">""")
end
# %% [markdown]
# 筆者なりに計算した結果は以下の通り. 以下ではAICやBICの伝統的なスケールをWAICやWBICでも採用する. WBICは次の論文の2倍がこのノートでの定義になる(WAICは $2n$ 倍).
#
# WBICの元論文は
#
# [WBIC] http://www.jmlr.org/papers/volume14/watanabe13a/watanabe13a.pdf
#
# である. このノートのWBICの定義はこの論文の定義の2倍である.
#
# WAICについては
#
# [渡辺] 渡辺澄夫『ベイズ統計の理論と方法』
#
# の解説が詳しい. このノートのWAICの定義はこの本の定義の $2n$ 倍である.
#
# [WBIC]のpp.876--877を次のセルに引用しておく.
# %%
open("WBIC_paper_01.jpg") do f
base64 = base64encode(f)
display("text/html", """<img src="data:image/jpg;base64,$base64">""")
end
# %% [markdown]
# [WBIC] Thorem 4 より
#
# $$
# \mathrm{WBIC} :=
# 2E^{\beta/\log n}_n[nL_n(w)] \approx
# 2nL_n(w_0) + \frac{2\lambda\log n}{\beta} + U_n\sqrt{\frac{2\lambda\log n}{\beta}}.
# $$
#
# 最後の項が WBIC の誤差を大きくしていると考えられる.
# このノートでは逆温度 $\beta$ が1でない場合もこのようにWBICの定義を拡張しておく.
#
# 同論文の Corollary 2 と同様にして,
#
# $$
# \beta^* :=
# \frac{\beta}{\log n}\left(1 + U_n\sqrt{\frac{\beta}{2\lambda\log n}}\right)
# $$
#
# とおくと
#
# $$
# 2E^{\beta^*}_w[nL_n(w)] \approx 2nL_n(w_0) + \frac{2\lambda\log n}{\beta}
# $$
#
# となることがわかる. これの左辺はWBICそのものよりもベイズ自由エネルギーのよい推定値になっていると予想される.
#
# $\beta/\log n$ と $\beta^*$ の違いを表わす因子を推定したい.
#
# WAICは次を満たしている(WAICの定義が文献[渡辺]の定義の $2n$ 倍になっていることに注意せよ):
#
# $$
# E[\mathrm{WAIC} + (1-\beta)\mathrm{V}] \approx 2nL_n(w_0) + \frac{2\lambda}{\beta}.
# $$
#
# ここで $V$ は汎函数分散の2倍であり, $E[\;]$ はサンプルの取り方に関する平均を表わす.
#
# 上の WBIC に関する近似公式より,
#
# $$
# \frac{\beta\;(\mathrm{WBIC} - E[\mathrm{WAIC} + (1-\beta)V])}{2\lambda \log n} + \frac{1}{\log n} \approx
# 1 + U_n\sqrt{\frac{\beta}{2\lambda\log n}}.
# $$
#
# これより
#
# $$
# \beta^* \approx \frac{\beta}{\log n}
# \left(\frac{\beta\;(\mathrm{WBIC} - E[\mathrm{WAIC} + (1-\beta)V)]}{2\lambda \log n} + \frac{1}{\log n}\right).
# $$
#
# ゆえにこの $\beta^*$ の推定値として
#
# $$
# \hat\beta = \frac{\beta}{\log n}
# \left(\frac{\beta\;(\mathrm{WBIC} - \mathrm{WAIC} - (1-\beta)V)}{2\lambda \log n} + \frac{1}{\log n}\right)
# $$
#
# を採用することが考えられる.
#
# 論文を参照できないので, 本当のところはわからないが, improved WBIC は以上のようにして導出されたのだと思われる. おそらく improved WBIC の定義は上の $\hat\beta$ に対する $2E^{\hat\beta}_w[nL_n(w)]$ である.
# %% [markdown]
# ## パッケージの読み込み
# %%
using Distributed
using Printf
using SpecialFunctions
linspace(a, b, L::Integer) = range(a, stop=b, length=L)
import PyPlot; plt = PyPlot
using Distributions
using QuadGK
#using Mamba
using KernelDensity
function makefunc_pdfkde(X)
ik = InterpKDE(kde(X))
pdfkde(x) = pdf(ik, x)
return pdfkde
end
function makefunc_pdfkde(X,Y)
ik = InterpKDE(kde((X,Y)))
pdfkde(x, y) = pdf(ik, x, y)
return pdfkde
end
macro sum(f_k, k, itr)
quote
begin
s = zero(($(esc(k))->$(esc(f_k)))($(esc(itr))[1]))
for $(esc(k)) in $(esc(itr))
s += $(esc(f_k))
end
s
end
end
end
macro prod(f_k, k, itr)
quote
begin
p = one(($(esc(k))->$(esc(f_k)))($(esc(itr))[1]))
for $(esc(k)) in $(esc(itr))
p *= $(esc(f_k))
end
p
end
end
end
# %% [markdown]
# ## 逆温度βの擬似確率分布の定義
# %%
##### Thermal*(d, β) = the distribution d at the inverse temperature β
@everywhere begin
using Distributions
import Distributions: logpdf, maximum, minimum
import Distributions: _logpdf, length, insupport
import Distributions: pdf, rand, _rand!
mutable struct ThermalCU{T<:Real, D<:ContinuousUnivariateDistribution} <: ContinuousUnivariateDistribution
d::D
β::T
end
logpdf(d::ThermalCU, x::Real) = d.β*logpdf(d.d, x)
maximum(d::ThermalCU) = maximum(d.d)
minimum(d::ThermalCU) = minimum(d.d)
mutable struct ThermalDU{T<:Real, D<:DiscreteUnivariateDistribution} <: DiscreteUnivariateDistribution
d::D
β::T
end
logpdf(d::ThermalDU, x::Int) = d.β*logpdf(d.d, x)
maximum(d::ThermalDU) = maximum(d.d)
minimum(d::ThermalDU) = minimum(d.d)
mutable struct ThermalCM{T<:Real, D<:ContinuousMultivariateDistribution} <: ContinuousMultivariateDistribution
d::D
β::T
end
_logpdf(d::ThermalCM, x::AbstractArray{T,1}) where T = d.β*_logpdf(d.d, x)
length(d::ThermalCM) = length(d.d)
insupport(d::ThermalCM, x::AbstractArray{T,1}) where T = insupport(d.d, x)
mutable struct ThermalDM{T<:Real, D<:DiscreteMultivariateDistribution} <: DiscreteMultivariateDistribution
d::D
β::T
end
_logpdf(d::ThermalDM, x::AbstractArray{T,1}) where T = d.β*_logpdf(d.d, x)
length(d::ThermalDM) = length(d.d)
insupport(d::ThermalDM, x::AbstractArray{T,1}) where T = insupport(d.d, x)
end
#################### Examples
beta = 0.2
println("-"^70)
@show methods(ThermalCU)
println()
@show dc = ThermalCU(Normal(), beta)
@show logpdf(dc.d, 1.0), logpdf(dc, 1.0)/beta
println("-"^70)
@show methods(ThermalDU)
println()
@show dd = ThermalDU(Poisson(), beta)
@show logpdf(dd.d, 5), logpdf(dd, 5)/beta
println("-"^70)
@show methods(ThermalCM)
println()
@show dcm = ThermalCM(MvNormal([0.0, 0.0], [1.0, 1.0]), beta)
@show _logpdf(dcm.d, [1.0, 2.0]), _logpdf(dcm, [1.0, 2.0])/beta
println("-"^70)
@show methods(ThermalDM)
println()
@show ddm = ThermalDM(Multinomial(10, [0.1, 0.3, 0.6]), beta)
@show _logpdf(ddm.d, [1,3,6]), _logpdf(ddm, [1,3,6])/beta
;
# %% [markdown]
# ## 正規ガンマ分布
# %%
##### NormalGamma prior
@everywhere struct NormalGamma{S<:Real} <: ContinuousMultivariateDistribution
μ₀::S
λ₀::S
α::S
θ::S
end
@everywhere begin
import Distributions: logpdf, maximum, minimum
import Distributions: _logpdf, length, insupport
import Distributions: pdf, rand, _rand!
function pdf(d::NormalGamma{S}, x::AbstractArray{S,1}) where S<:Real
μ₀ = d.μ₀
λ₀ = d.λ₀
α = d.α
θ = d.θ
μ = x[1]
λ = x[2]
sqrt(λ₀/(2π)) / (gamma(α) * θ^α) *
λ^(α-1/2) * exp( -(1/2)*λ*(λ₀*(μ - μ₀)^2 + 2/θ) )
end
function _logpdf(d::NormalGamma{S}, x::AbstractArray{S,1}) where S<:Real
μ₀ = d.μ₀
λ₀ = d.λ₀
α = d.α
θ = d.θ
μ = x[1]
λ = x[2]
(1/2)*(log(λ₀) - log(2π)) - (lgamma(α) + α*log(θ)) +
(α-1/2)log(λ) - (1/2)*λ*(λ₀*(μ-μ₀)^2 + 2/θ)
end
length(d::NormalGamma) = 2
insupport(d::NormalGamma{S}, x::AbstractArray{S,1}) where S<:Real = (x[2] > zero(S))
function _rand!(d::NormalGamma{S}, x::AbstractArray{S,1}) where S<:Real
x[2] = rand(Gamma(d.α, d.θ))
x[1] = rand(Normal(d.μ₀, 1/sqrt(x[2]*d.λ₀)))
return x
end
function _rand!(d::NormalGamma{S}, x::AbstractArray{S,2}) where S<:Real
for i in 1:size(x,2)
x[:,i] = rand(d)
end
return x
end
end
##### predictive distribution for NormalGamma prior d
@everywhere begin
##### LocationScaled t-distribution
GTDist(μ::S, ρ::S, ν::S) where S<:Real = LocationScale(μ, ρ, TDist(ν))
GTDist(μ, ρ, ν) = GTDist(Float64(μ), Float64(ρ), Float64(ν))
function PredNormal(μ₀, λ₀, α, θ)
ρ = sqrt((λ₀+1)/(α*θ*λ₀))
GTDist(μ₀, ρ, 2α)
end
##### predictive distribution for NormalGamma prior d
PredNormal(d::NormalGamma) = PredNormal(d.μ₀, d.λ₀, d.α, d.θ)
end
##### Partition and log-partition functions
function Z(d::NormalGamma{S}) where S<:Real
μ₀ = d.μ₀
λ₀ = d.λ₀
α = d.α
θ = d.θ
1/( sqrt(λ₀/(2π)) / (gamma(α) * θ^α) )
end
function logZ(d::NormalGamma{S}) where S<:Real
μ₀ = d.μ₀
λ₀ = d.λ₀
α = d.α
θ = d.θ
-( (1/2)*(log(λ₀) - log(2π)) - (lgamma(α) + α*log(θ)) )
end
################## Tests
println("--------- Test of the normal-Gamma conjugate priors of normal distributions\n")
μ₀ = 5.0
σ₀ = 2.0
μ_λ = 1.0
σ_λ = 1.0
λ₀ = 1/σ₀^2
αθ = μ_λ
αθ² = σ_λ^2
α = (αθ)^2/αθ²
θ = αθ/α
@show d = NormalGamma(μ₀, λ₀, α, θ) # prior
@show pdf(d, [0.0, 1.0])
@show logpdf(d, [0.0, 1.0]), log(pdf(d, [0.0,1.0]))
@show logZ(d), log(Z(d))
@show length(d)
@show insupport(d, [0.0, -1.0])
@show rand(d,5)
@show pd = PredNormal(d) # predictive of the prior d
@show logpdf(pd, 1.0)
println("\n--------- Comparison between the Monte Carlo and the exact estimates of the predictive distribution")
sleep(0.1)
L = 10^6
w = rand(d, L)
X = rand.(Normal.(w[1,:], 1 ./sqrt.(w[2,:])))
xmin, xmax = -10, 20
x = linspace(xmin, xmax, 201)
plt.figure(figsize=(6.4, 4.2))
plt.plt[:hist](X, normed=true, bins=100, range=(xmin,xmax), label="Monte Carlo sim.") # Monte Carlo estimate
plt.plot(x, pdf.(pd, x), label="exact predictive") # exact estimate
plt.grid(ls=":")
plt.legend()
plt.title("predictive distributions");
# %% [markdown]
# ## ベイズ更新
# %%
########## Baysian update of NormalGamma prior d w.r.t sample X and inverse temperature β
function BayesianUpdate(d::NormalGamma{S}, X::AbstractArray{S,1}, β::S) where S<:Real
μ₀ = d.μ₀
λ₀ = d.λ₀
α = d.α
θ = d.θ
n = length(X)
βn = β*n
meanX = mean(X)
varX = var(X, corrected=false)
μ₀_updated = (λ₀*μ₀ + βn*meanX)/(λ₀ + βn)
λ₀_updated = λ₀ + βn
α_updated = α + βn/2
θ_updated = θ/(1 + (θ/2)*((βn*λ₀)/(λ₀+βn)*(meanX - μ₀)^2 + βn*varX))
return NormalGamma(μ₀_updated, λ₀_updated, α_updated, θ_updated)
end
BayesianUpdate(d, X) = BayesianUpdate(d, X, one(eltype(d)))
#################### Test
println("----------- associativity and commutativity of Bayesian update\n")
@show dist_true = Normal(-5.0, 2.0)
X1 = rand(dist_true, 100)
X2 = rand(dist_true, 200)
X = vcat(X1,X2)
β = 3.0
prior = NormalGamma(0.0, 1/100^2, 1.0, 1.0)
posterior1 = BayesianUpdate(prior, X1, β)
posterior2 = BayesianUpdate(prior, X2, β)
posterior12 = BayesianUpdate(posterior1, X2, β)
posterior21 = BayesianUpdate(posterior2, X1, β)
posterior = BayesianUpdate(prior, X, β);
predictive = PredNormal(posterior)
@show size(X1,1), mean(X1), std(X1)
@show size(X2,1), mean(X2), std(X2)
@show size(X,1), mean(X), std(X)
@show β
@show prior
@show posterior1
@show posterior2
@show posterior12
@show posterior21
@show posterior
@show predictive;
# %% [markdown]
# ## WBICとWAIC
#
# 公式の計算の正しさに絶対的な自信がないので, モンテカルロシミュレーションで計算した結果と数値的に比較することにする.
# %%
########## WBIC and partition and log-partition functions for posteriors
# Exact calculation of partition function
#
function Z(prior::NormalGamma{S}, X::AbstractArray{S,1}, β::S) where S<:Real
βn = β*size(X,1)
posterior = BayesianUpdate(prior, X, β)
Z(posterior)/((2π)^(βn/2) * Z(prior))
end
Z(prior::NormalGamma{S}, X::AbstractArray{S,1}) where S<:Real = Z(prior, X, one(S))
# Monte Carlo simulation w.r.t. prior distribution (β=∞)
#
function Z_mc(prior, X, β; L = 10^5)
w = rand(prior, L)
f(w) = prod(pdf.(Normal(w[1],1/sqrt(w[2])), X))^β
return mean(f(w[:,l]) for l in 1:L)
end
# Exact calculation of log-partition function
#
function logZ(prior::NormalGamma{S}, X::AbstractArray{S,1}, β::S) where S<:Real
βn = β*size(X,1)
posterior = BayesianUpdate(prior, X, β)
return logZ(posterior) - (βn/2)*log(2π) - logZ(prior)
end
function logZ(prior::NormalGamma{S}, X::AbstractArray{S,1}) where S<:Real
return logZ(prior, X, one(S))
end
function BayesianFreeEnergy(prior::NormalGamma{S}, X::AbstractArray{S,1}, β::S) where S<:Real
return -2/β*logZ(prior, X, β)
end
function BayesianFreeEnergy(prior::NormalGamma{S}, X::AbstractArray{S,1}) where S<:Real
return BayesianFreeEnergy(prior, X, one(S))
end
# Monte Carlo simulation w.r.t. prior distribution (β=∞)
#
function logZ_mc(prior, X, β; L = 10^5)
w = rand(prior, L)
logf(w) = β*sum(logpdf.(Normal(w[1],1/sqrt(w[2])), X))
loglik = [logf(@view w[:,l]) for l in 1:L]
maxloglik = maximum(loglik)
return maxloglik .+ log(mean(exp.(loglik .- maxloglik)))
end
logZ_mc(prior::NormalGamma{S}, X::AbstractArray{S,1}; L=10^5) where S<:Real = logZ_mc(prior, X, one(S), L=L)
# Exact formula of the posterior mean of logpdf
#
function ElogpdfNormal(d::NormalGamma, x)
μ₀ = d.μ₀
λ₀ = d.λ₀
α = d.α
θ = d.θ
θ ≤ zero(θ) && return typemax(θ)
return -(1/2)*(
log(2π) + α*θ*(x - μ₀)^2 + 1/λ₀ - (digamma(α) + log(θ))
)
end
# Exact formula of the posterior mean of logpdf^2
#
function ElogpdfNormal2(d::NormalGamma, x)
μ₀ = d.μ₀
λ₀ = d.λ₀
α = d.α
θ = d.θ
θ ≤ zero(θ) && return typemax(θ)
return (1/4)*(
log(2π)^2
+ (α+1)*α*θ^2*(x - μ₀)^4 + 6α*θ/λ₀*(x - μ₀)^2 + 3/λ₀^2
+ trigamma(α) + (digamma(α) + log(θ))^2
+ 2*log(2π)*( α*θ*(x - μ₀)^2 + 1/λ₀ )
- 2*log(2π)*( digamma(α) + log(θ) )
- 2*( (x - μ₀)^2*(θ + α*θ*(digamma(α) + log(θ))) + 1/λ₀*(digamma(α) + log(θ)) )
)
end
# Exact formula of the β-posterior mean of nL_n(w)
#
function EnLn(prior, X, β)
posterior = BayesianUpdate(prior, X, β)
return -sum(ElogpdfNormal(posterior, x) for x in X)
end
# Exact formula of WBIC
#
WBIC(prior, X, β) = 2*EnLn(prior, X, β/log(length(X)))
WBIC(prior, X) = WBIC(prior, X, 1.0)
# Estimate of real log canonical threshold by WBIC
#
function RealLogCanonicalThreshold_WBIC(prior, X; n = length(X), β₁ = 1/log(n), β₂ = 2/log(n))
return (EnLn(prior, X, β₁) - EnLn(prior, X, β₂))/(1/β₁ - 1/β₂)
end
# improved WBIC
#
# See pages 363--364 of
# http://onlinelibrary.wiley.com/doi/10.1111/rssb.12187/full
#
function improved_WBIC(prior, X, β; n = length(X), β₁ = 1/log(n), β₂ = 2/log(n))
posterior = BayesianUpdate(prior, X, β)
λ_star = RealLogCanonicalThreshold_WBIC(prior, X, β₁=β₁, β₂=β₂)
WBIC₀ = WBIC(prior,X,β)
WAIC₀ = WAIC(prior,X,β)
V = 2*FunctionalVariance(posterior, X)
β_star = (β/log(n))*(β*(WBIC₀ - WAIC₀ - (1-β)*V)/(2*λ_star*log(n)) - 1/log(n))
β_star = max(0.0, β_star)
return 2*EnLn(prior, X, β_star)
end
function improved_WBIC(prior, X; n = length(X), β₁ = 1/log(n), β₂ = 2/log(n))
return improved_WBIC(prior, X, 1.0, β₁=β₁, β₂=β₂)
end
########### Estimation by Monte Carlo method
# Monte Carlo simulation
#
function ElogpdfNormal_mc(d::NormalGamma, x; L = 10^5)
w = rand(d, L)
return mean(logpdf(Normal(w[1,l], 1/sqrt(w[2,l])), x) for l in 1:L)
end
# Monte Carlo simulation
#
function ElogpdfNormal2_mc(d::NormalGamma, x; L = 10^5)
w = rand(d, L)
return mean(logpdf(Normal(w[1,l], 1/sqrt(w[2,l])), x)^2 for l in 1:L)
end
# Monte Carlo simulation at the inverse tenperature β
#
function EnLn_mc(prior, X, β; L = 10^5)
posterior = BayesianUpdate(prior, X, β)
predictive = PredNormal(posterior)
w = rand(posterior, L)
f(w) = sum(logpdf.(Normal(w[1], 1/sqrt(w[2])), X))
return -mean(f(@view w[:,l]) for l in 1:L)
end
# Monte Carlo simulation at the inverse tenperature β
#
WBIC_mc(prior, X, β; L = 10^5) = 2*EnLn_mc(prior, X, β/log(length(X)), L=L)
WBIC_mc(prior, X; L = 10^5) = 2*EnLn_mc(prior, X, 1.0/log(length(X)), L=L)
########## WAIC, LOOCV, and generalization loss
TrainingLoss(dist_pred, X) = -sum(logpdf.(dist_pred, X))
function GeneralizationLoss(dist_true, dist_pred; xmin = -100.0, xmax = 100.0)
f(x) = -pdf(dist_true, x) * logpdf(dist_pred, x)
return quadgk(f, xmin, xmax)[1]
end
function ShannonInformation(dist_true; xmin = -100.0, xmax = 100.0)
return GeneralizationLoss(dist_true, dist_true, xmin = xmin, xmax = xmax)
end
function KullbackLeibler(dist_true, dist_pred; xmin = -100.0, xmax = 100.0)
return (
GeneralizationLoss(dist_true, dist_pred, xmin = xmin, xmax = xmax)
- ShannonInformation(dist_true, xmin = xmin, xmax = xmax)
)
end
# Exact formula
#
function FunctionalVariance(posterior::NormalGamma, X)
return sum(ElogpdfNormal2(posterior, x) - ElogpdfNormal(posterior, x)^2 for x in X)
end
# Exact formula of WAIC
#
function WAIC(prior, X, β)
posterior = BayesianUpdate(prior, X, β)
predictive = PredNormal(posterior)
return 2*(
TrainingLoss(predictive, X)
+ β*FunctionalVariance(posterior, X)