要約
変化点は、データ列の生成パラメータに急激な変動が生じる現象を指します。変化点のオンライン検出は、金融、バイオメトリクス、ロボティクスなどの応用分野における時系列モデリングや予測において有用です。頻度論的手法ではオンラインフィルタリングと予測技術が開発されてきましたが、ベイジアン手法の多くの文献は後方視的なセグメンテーション問題に焦点を当てています。本稿では、変化点前後のモデルパラメータが独立である場合を取り上げ、最も最近の変化点の正確な推論を行うためのオンラインアルゴリズムを導出します。簡単なメッセージ伝達アルゴリズムを使用して、現在の「ラン」（時間列）または最後の変化点からの経過時間の確率分布を計算します。当該実装は非常にモジュール化されており、さまざまなタイプのデータに対してアルゴリズムを適用することができます。このモジュール性を示すために、3つの異なる実際のデータセットでのアルゴリズムの適用例を示します。