●月田
B4チーム：EMについてまったくわからない．ので教えてください．
A:EMは欠損地があるデータを教師データとしたときに良い推定値を得るための手法．たとえば，アンケートをした時に，性別を途中から記録し始めた，とか，津波きたときにどこにいた（流された人はデータなし），とか．ニューラルネットワークだと，中間値は欠損．EMでは，パラメータをまず適当におく（スライド27）．どういう観測がされるかの期待値を計算（Eステップ）．その次に，期待値を観測点として（欠損データについて）そのときに対数尤度を最大化するようなパラメータを求める（Mステップ）．ＥとＭを繰り返すことでパラメータの収束させる．つまり，欠損の期待値を推定できる．
倉澤：ここで，欠損は離散的な量だが，性別とかのときは？
Ａ：たとえば男0女1としたとき，50％50％だったら0.5になるし，女性多い母集団だったら，0.8とかになることもある．
倉澤：パターンわけが難しいこともあるとおもうがその時はどうする？
Ａ：何パターンにわけるというのは，最初にこっちから与える必要がある．それぞれのグループに属する確率が何％か，というのは，モデルのなかでやってくれる．
増橋：よくわからない違う挙動を示す集団を2つのグループにわけるみたいな，あたりをつける？なんとなく分けた？
Ａ：前田さんの去年の資料が正しくて，たとえば，分布をみて，2グループに分けてよくなりそう，ってやるか，別の指標をもってきて，何グループにわけるのがいいかみる．

M1ちーむ：ＥＭとemは結局どうちがう？ＥＭは使われ方の想像がついたが，emがわからない．emはどういうときにつかう？ＥＭがつかえないときにemをつかうのか？EMとem等価だとなにがうれしいか？
Ａ：これはEMとemが数学的に等価だと書いた論文．ＥＭというのは最尤推定量を考えていて，統計学的にはこちらが自然な発想だと思う．emは統計的な推論ではなくて，データを多様体におとしこめる．情報幾何学的に考えるとemのようなのが自然な発想．条件付き確率を計算するEステップのほうがe射影より計算量が大きい可能性がある，と書いてあった．これは，Eは条件付き確率を考えているため．

はかせちーむ：24ページの非とくい行列Ａは，なんでもいいＡなのか？あとで明らかにしなきゃいけないＡ？
Ａ：明らかにしなければならないＡ． 
黛：Ａをもとめるというのも推定の目的？
Ａ：推定の前に分けておかなければならないものと認識している．
黛：Ａというものを，いきなりつくれるのか？計算手続きを論文ではかいていないのできになった．
Ａ：たとえば，男女どっちか，みたいなのはその時点いーたvisibleとイータhiddenにわけられる．26ページにあるように，よくわからないときに，わけるためのものがAであると解釈している．
黛：イータをhiddenとvisibleに分けてるのが26ページの式．この操作が行列Aによってなされるということか．
A:モデルによって行列Aは自分でつくる必要がある．