はてなグループの終了日を2020年1月31日(金)に決定しました - はてなの告知
はてなグループの終了日を2020年1月31日(金)に決定しました 以下のエントリの通り、今年末を目処にはてなグループを終了予定である旨をお知らせしておりました。 2019年末を目処に、はてなグループの提供を終了する予定です - はてなグループ日記 このたび、正式に終了日を決定いたしましたので、以下の通りご確認ください。 終了日: 2020年1月31日(金) エクスポート希望申請期限:2020年1月31日(金) 終了日以降は、はてなグループの閲覧および投稿は行えません。日記のエクスポートが必要な方は以下の記事にしたがって手続きをしてください。 はてなグループに投稿された日記データのエクスポートについて - はてなグループ日記 ご利用のみなさまにはご迷惑をおかけいたしますが、どうぞよろしくお願いいたします。 2020-06-25 追記 はてなグループ日記のエクスポートデータは2020年2月28
Estimating a Dirichlet distribution
Estimating a Dirichlet distribution Thomas P. Minka 2000 (revised 2003, 2009, 2012) Abstract The Dirichlet distribution and its compound variant, the Dirichlet-multinomial, are two of the most basic models for proportional data, such as the mix of vocabulary words in a text document. Yet the maximum-likelihood estimate of these distributions is not available in closed-form. This paper describes si
What are the open problems in Bayesian statistics
What are the open problems in Bayesian statistics Published April 28, 2011 Uncategorized 4 Comments (by Andrew Gelman) Mike Jordan reports in the bulletin of the International Society of Bayesian Analysis the results of his excellent project of contacting about fifty statistics professors and asking them, What are the open problems in Bayesian statistics? I’ll excerpt Jordan’s findings (his full a
psi.latex
A Brief Introduction to Variational Bayesian Inference Mark Johnson CG168 notes 1 / 17 Bayes rule • Bayes theorem: P(Y|X) = P(X|Y) P(Y) P(X) • Bayes inversion: swap direction of arcs in Bayes net • Interpreted as a recipe for “belief updating”: P(θ|D) Posterior ∝ P(D|θ) Likelihood P(θ) Prior • The normalizing constant (which you have to divide Likelihood times Prior by) is: P(D) = ∑ θ′ P(D|θ′ ) P
Google Sites: Sign-in
Not your computer? Use a private browsing window to sign in. Learn more about using Guest mode
ノンパラベイズのあれこれ - yasuhisa's blog
自分用メモ。超基礎的なこと。書くのが躊躇されるレベルだが、書かないと忘れる。全部は書かない、自分が必要なところだけ。 ディリクレ過程(Dirichlet Process; DP)を使ったようなモデルを自分で実装する必要が出てきた。今までは必要でなければ必ずしもDP使う必要ないじゃんという感じでいたが、今回はDPが本質的に必要な場面のような気がするので、頑張る。基本的には上田さん、山田さんの資料を見ながら話を進めていく。 ノンパラメトリックベイズモデル やりたいこと(というか初期ステップ)。超単純。コーパス全体を一つの文書と見なす&bag of wordsの状態で単語をクラスタリングする(クラスタ数は∞)。LDAの拡張っぽくdocumentごとにtopic propotionが...ということをやろうかと思っていたのだが、それをちゃんとやろうとするとHierarchical Dirichle
Sharon Goldwater's Bayesian language modeling reading list
Reading list on Bayesian modeling for language People often ask me what they can read to learn more about recent Bayesian modeling techniques and their applications to language learning. Here is a list of the papers I have found to be most useful and relevant to my own research. I try to emphasize the papers aimed at a slightly less technical/more cognitively inclined audience. This is not intende
A Note on Naive Bayes Classifiers Hiroya Takamura takamura@pi.titech.ac.jp 平成 20 年 1 月 25 日 概 要 Naive Bayes Classifiers. 1 ナイーブ・ベイズ分類器（Naive Bayes Classifiers） 今度は, 確率が登場する. ラベル付事��
A Note on Naive Bayes Classifiers Hiroya Takamura takamura@pi.titech.ac.jp 平成 20 年 1 月 25 日 概 要 Naive Bayes Classifiers. 1 ナイーブ・ベイズ分類器（Naive Bayes Classifiers） 今度は, 確率が登場する. ラベル付事例から, ある事例が各クラスに属する確率を求め, その確率が最も大き いクラスのラベルを割り当てる. ここでは, 簡単のため, xi は, 0 もしくは 1 以上のどちらかの値を取るとする. まず, ベイズの定理をおさらいする. P(A|B) = P(B|A)P(A) P(B) (1) つまり, B が起こった時の A が起こる確率を知りたいのだが, 直接は計算できないので, 右辺の計算式を用いる というわけである. これを文書分類で考えると
Bayes統計学のMCMCとの出会い
1 2004 10 15 SAS 2 MCMC 3 4 ∫ = θ θ θ θ θ θ d p x p p x p x p ) ( ) | ( ) ( ) | ( ) | ( ) | ( θ x p θ ) (θ p ) | ( x p θ Bayesian inference. Encyclopedia of Statistical Science,Vol.1,pp.197-204. 5 MCMC MCMC Metropolis-Hastings 6 Metropolis-Hastings ) (⋅ π ) 0 ( x N j ,.., 2 , 1 = ) , ( ) 1 ( ⋅ − j x q y ) 1 , 0 ( U ) , ( ) 1 ( y x u j− ≤α y x j = ) ( ⎭ ⎬ ⎫ ⎩ ⎨ ⎧ = − − − − ) , ( ) ( ) , ( ) ( , 1 m
グーグル、インテル、MSが注目するベイズ理論:スペシャルレポート - CNET Japan
今日のコンピュータ界を動かす18世紀の確率論 今日のコンピュータ界をリードする権威ある数学者の１人であるThomas Bayes（トーマス・ベイズ）は、他の数学者と一線を画する。ベイズは神の存在を方程式で説明できると主張した人物だ。そんな彼の最も重要な論文を出版したのはベイズ本人ではなく他人であり、また、彼は241年前に亡くなっている。 ところが、なんとこの18世紀の聖職者が提唱した確率理論が、アプリケーション開発の数学的基礎の主要な部分を占めるようになっているのだ。 上記数式はベイズの定理を示したものである。難解な記号の羅列に見えるかもしれないが、大雑把に言うと何かが起こる可能性はその事柄の過去の発生頻度を使ってほぼ推測ができるということだ。研究者はこの考え方を遺伝子研究から電子メールの選別にまで応用しようとしている。 ベイズ定理の数学的な詳細説明はミネソタ大学のウェブサイトに掲載されて
永井・ベイズ分析の第二歩〜予測分布を求める〜 - Ito Mikio Seminar Wiki
2008-11-26 RecentDeleted FrontPage FrontPage/2008-11-26 卒論作成プロセス(中澤) 本 森川弘康 堀先行研究追試 2008-11-25 第三章 判別分析の勉強 森川 2008-11-22 怪しい書き込みへの対処のページ 永井・エネルギー政策の方向性 その２ 永井・エネルギー政策の方向性 その３ 永井・競争企業がどのような行動にでるか 2008-11-19 先行研究の追試 New小岩直人 先生への質問(中澤) 信用リスク評価の数理モデルの自習 阿部 阿部知行 永井・なぐり書き集 2008-11-18 高山卒論ノート 2008-11-17 永井・エネルギー政策の方向性 永井・経済基本データ 永井・四半期GDP 2008-11-15 永井・どーでもいい話 2008-11-14 永井・サブプライム問題関連用語集 永井・サブプライム問題経緯（簡略
ベイズ統計学
ベイズ統計学 Bayesian Statistics いまやすべての統計学者は多少なりともベイジアンである スッキリした論理と一貫した方法により現象を的確にとらえる インターネット上のフィルタリングでも基本コンセプト 「ロンドンの眼」London Eye あるいは「輪」The Wheel テームズ河畔にある ロンドン新名所 建設は今世紀に入ってから 『入門ベイズ統計』東京図書 経済学者・数学エッセイスト，小島寛之氏の書評 20080724：『入門ベイズ統計』の読みどころ 20080727：統計学の面白さはどこにあるか キーワード： 確率、推量、診断、データ分析、心理、戦略、意思決定、情報検索、コンピュータ、インターネット、経済・経営、医学、工学、国際関係 著者近影 => ポータル・サイト、著者紹介ページ、諸活動 『入門 ベイズ統計』東京図書 好評、秋に第２刷 New ! 『精説 ベイズ統計
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
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
Amazon.co.jp: 予測にいかす統計モデリングの基本―ベイズ統計入門から応用まで (KS理工学専門書): 樋口知之: 本