Microsoft PowerPoint - Canon-MachineLearning22-jp
Canon ２０１１年８月３日 クラスタリング（２） 東京工業大学 計算工学専攻 杉山 将 sugi@cs.titech.ac.jp http://sugiyama-www.cs.titech.ac.jp/~sugi/ 概要 前回の講義では，確率モデルに基づくクラスタ リング手法を紹介した これらの手法では，各クラスのパラメトリック モデルをあらかじめ指定しなければならない ため，柔軟性に欠けるという問題があった 本日の講義では，パラメトリックモデルを用い ない柔軟なクラスタリング手法を紹介する 2 クラスタリングの定式化 訓練データ クラスラベル 割り当てる教師なし分類問題 に を 3 似たデータには同じラベルを付与 似ていないデータには異なるラベルを付与 目次 1. 2. 3. 4. 5. 6. カーネルK平均法 スペクトラル・クラスタリング法 平均シフト法 識別的
Microsoft PowerPoint - Canon-MachineLearning21-jp
Canon ２０１１年５月２６日 クラスタリング（１） 東京工業大学 計算工学専攻 杉山 将 sugi@cs.titech.ac.jp http://sugiyama-www.cs.titech.ac.jp/~sugi/ 概要 本講義では，クラスタリングの基礎を説明 した後，確率モデルに基づく様々なクラスタ リング手法を紹介する 2 クラスタリングの定式化 訓練データ クラスラベル 割り当てる教師なし学習問題 に を 3 似たデータには同じラベルを付与 似ていないデータには異なるラベルを付与 目次 1. クラスタリングの基礎 A) B) 4 K平均法 クラスタリング結果の評価 2. 生成モデル推定に基づくクラスタリング 3. クラスラベルの直接推定 4. まとめ クラス内散布和最小化 クラスタリング クラス内散布和の最小化： 5 しかし，この最小化はＮＰ困難
[Masashi Sugiyama's Web Page]
[ English | Japanese ] Masashi Sugiyama (Doctor of Engineering) Associate Professor, Department of Computer Science, Graduate School of Information Science and Engineering, Tokyo Institute of Technology. Research interests: Theories and applications of machine learning, surface profiling, signal and image processing, etc. Research Outline Major Publications: English, Japanese Complete Publicati
Microsoft PowerPoint - Canon-MachineLearning27-jp.pptx
Canon ２０１２年９月１３日 トピックモデル概論 東京工業大学 計算工学専攻 杉山 将 sugi@cs.titech.ac.jp http://sugiyama-www.cs.titech.ac.jp/~sugi/ 概要 文書のモデル化は，自然言語処理や 機械学習の分野で盛んに研究されて いる 本講義では，文書のモデル化技術の 発展の経緯を概観する 2 講義の流れ 1. 2. 3. 4. 5. 6. 潜在意味解析（LSA） 多項混合（MM）モデル ポリヤ混合（PM）モデル 確率的潜在意味解析（pLSA）モデル 潜在的ディリクレ配分（LDA）モデル 拡張LDAモデル 3 文書単語行列 ：全文書データ（文書数 ：文書（長さ ） ：単語（語彙数 ） ：文書 中の単語 の出現回数を 要素に持つ文書単語行列 （大きさ ，一般にスパース） ） 4 潜在意味解析（LSA） 文書
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
