事後分布とは、データが観測された後に更新された、パラメータに関する確率分布のことです。ベイズ推論の中核をなす概念であり、AIや機械学習においてモデルの予測の不確実性を評価する際に極めて重要な役割を果たします。
事後分布とは
一言でいうと、事後分布とは「データを見た後に更新された、未知のパラメータが従う確率の分布」のことです。
詳しく解説
事後分布は、ベイズの定理を用いて計算されます。あらかじめ設定する「事前分布」と、新しく得られたデータの「尤度」を掛け合わせることで求められます。AIや機械学習においては、モデルの重みやパラメータの確実性を確率的に捉えるために利用され、単一の最適な値だけでなく、その値の確信度や揺らぎも含めて評価できる点が特徴です。
具体例・使われ方
例えば、スパムメールの判定を行うAIモデルにおいて、ある単語が含まれているというデータ（尤度）を観測したあとに、そのメールがスパムである確率がどのように変化したかを計算する際に事後分布が用いられます。また、ベイズ最適化を用いたハイパーパラメータチューニングなどでも活用されます。
似た用語との違い
事前分布がデータ観測前の知識や仮定を表すのに対し、事後分布はデータ観測後の知識を表します。また、最尤推定などで得られる単一の点推定値とは異なり、分布そのものを保持する点が大きな違いです。
注意点
事後分布を解析的に正確に計算することは、モデルが複雑になると非常に困難になります。そのため、マルコフ連鎖モンテカルロ法などの近似手法を用いる必要があり、計算コストが高くなる点に注意が必要です。
この解説は役に立ちましたか？誤りが含まれる場合はご報告いただけますと幸いです。
更新日時: 2026年9月3日 04:21