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。
無限潜在特徴モデルを実装した - でかいチーズをベーグルする
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
無限潜在特徴モデルを実装した - でかいチーズをベーグルする
引き続きノンパラベイズ。今回はノンパラベイズ本の7.4節で説明されてる無限潜在特徴モデル(Infinite l... 引き続きノンパラベイズ。今回はノンパラベイズ本の7.4節で説明されてる無限潜在特徴モデル(Infinite latent feature model; ILFM)を実装した。 ノンパラメトリックベイズ 点過程と統計的機械学習の数理 (機械学習プロフェッショナルシリーズ) 作者: 佐藤一誠出版社/メーカー: 講談社発売日: 2016/04/20メディア: 単行本(ソフトカバー)この商品を含むブログを見る 無限潜在特徴モデル 一言で言えば、潜在次元に無限次元を仮定する行列分解。 与えられたデータ行列 をバイナリ行列 と特徴行列 の積に分解する。 バイナリ行列の要素 はサンプル n が k 番目の潜在特徴を持つか持たないかを表している。k番目の潜在特徴は のk番目の行ベクトル で表されている。つまり、あるサンプルのデータベクトル は無限個ある潜在特徴のうちのいくつかの和になっている。 通常の行列