第1回 機械学習の基礎
機械学習には様々な種類・アルゴリズムが存在するが、それらにほとんど100%共通して言えるのは、機械学習とは 「データの分類を計算機で自動化する」 技術である。 現代社会では至る所に機械学習が応用されているが、スパムフィルタも言語判定も文字認識も含め普く機械学習は 「計算機で自動的に受け取ったデータをいずれかのクラスに分類する」ことになる。 機械学習の種類 機械学習には学習の仕方によっていくつかの種類がある。 教師あり学習(Classification) 学習時に学習データとラベル（つまり答え）を一緒に学習させる。手書き数字認識なら 学習データ: 手書き数字の画素 ラベル: 手書き数字が0〜9のどれなのか 教師なし学習(Clustering) 学習時にラベルを与えず、学習アルゴリズムに勝手に「いい感じの」境界を作ってデータを分類させる。例えば自然言語で書かれたテキストの分類など。 発言を自動
ダメな統計学：目次｜Colorless Green Ideas
2017年1月20日追記：『ダメな統計学――悲惨なほど完全なる手引書』という本が出版されることになった。この本は、ここに掲載されているウェブ版の『ダメな統計学』に大幅に加筆したものだ。ウェブ版の『ダメな統計学』を読んで興味を持った方は、書籍となった『ダメな統計学』をぜひ読んでいただければと思う。書籍版の詳細については「『ダメな統計学――悲惨なほど完全なる手引書』の翻訳出版」という記事をご参照願いたい。 ここに公開する『ダメな統計学』は、アレックス・ラインハート (Alex Reinhart) 氏が書いたStatistics Done Wrongの全訳である。この文章は全部で13章から構成されている。詳しくは以下の目次を参照されたい。 はじめに データ分析入門 検定力と検定力の足りない統計 擬似反復：データを賢く選べ p値と基準率の誤り 有意であるかないかの違いが有意差でない場合 停止規則と
敵の敵は味方？「帰無仮説」と「カイ二乗検定」
統計を学びたいけれども、数式アレルギーが……。そんなビジネスパーソンは少なくありません。でも、大丈夫。日常よくあるシーンに統計分析の手法をあてはめてみることで、まずは統計的なモノの見方に触れるところから始めてください。モノの見方のバリエーションを増やすことは、モノゴトの本質を捉え、ビジネスのための発想や「ひらめき」をつかむ近道です。 統計という手法は、全体を構成する個が数えきれないほど多いとき、「全体から一部分を取り出して、できるだけ正確に全体を推定したい」という思いから磨かれてきた技術といってよいでしょう。 たとえば「標本抽出（サンプリング）」は、全体（母集団）を推定するための一部分（標本）を取り出すための手法です。ところが、取り出された部分から推定された全体は、本当の全体とまったく同じではないので、その差を「誤差」という数値で表現します。では、どの程度の「ズレ」であれば、一部分（標本）
確率概念について説明する（第3-1回）：可能な世界の全体を1とする — コルモゴロフによる確率の定理（前編） - Take a Risk：林岳彦の研究メモ
こんにちは。林岳彦です。先日、小学生の息子とセブンイレブンに行きました。そこでふと、「あの外壁、あれ本物のレンガじゃなくてただの印刷だから」と息子に教えたところ、それが彼にとっては思いもよらぬことだったようで、実はすべすべとしている外壁に触っては「すっかり騙されてた！（ガーン）」と衝撃を受けていました。小さな子どもをお持ちのみなさま、この世の隠蔽された真実（＝セブンイレブンの外壁は印刷）を彼ら／彼女らに教えてみると面白い反応が期待できるかもですよ！ さて。 今回は、前回の記事の続きとして、確率という概念の「規格」について説明していきたいと思います。 （今回はとても長い上に内容がハードかもしれません。いつもながらすみません。。） 前回の軽いまとめ 前回の記事では： 少なくとも、「確率」とは「可能性を数値で表したもの」である というボンヤリとした出発点から： 「可能である」ということは、「この
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
