エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
グラフィカルモデルを使いこなす!~有向分離の導入と教師あり学習~ - 作って遊ぶ機械学習。
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
グラフィカルモデルを使いこなす!~有向分離の導入と教師あり学習~ - 作って遊ぶ機械学習。
さて、前回はグラフィカルモデルの描き方と簡単な事後確率の推論をやってみました。今回以降は、下記の... さて、前回はグラフィカルモデルの描き方と簡単な事後確率の推論をやってみました。今回以降は、下記のようなもう少し現実的な確率モデルに対する推論をグラフィカルモデル上でやってみる予定です。 ・教師あり学習(今回) ・半教師あり学習 ・共変量シフト ・転移学習 ・潜在変数モデル(EMアルゴリズム) 今回は導入として、有向分離(D-separation)と呼ばれる、より複雑なモデルに対する確率変数の独立性をチェックするための手法を紹介します。これを使って、教師あり学習である回帰モデルや識別モデル(2つともグラフィカルモデル上の区別はないです)に対する推論結果がどうなるかを見てみたいと思います。 今回やることも基本的には前回の3つのノードを使った単純なグラフィカルモデルと同じです。 machine-learning.hatenablog.com あるグラフィカルモデルが与えられ、さらに一部のノードが