東京工業大学の岡崎直観教授が、大学の講義で使う資料「機械学習帳」をGitHubのホスティングサービス上で公開している。Webサイト上でPythonを実行できる開発環境「Jupyter Book」で作られており、利用者はPythonのコードとその実行結果を見ながら学べる。 同大学が2021年度4Q(12~2月)に開講する「機械学習」の講義ノート。学習できる内容は、単回帰、重回帰、ロジスティック回帰、ニューラルネットワーク、サポートベクトルマシン、クラスタリング、主成分分析、確率的勾配降下法、正則化といった機械学習の重要項目。初学者向けに原理なども丁寧に説明したとしている。 Pythonによって書かれたグラフは、学習回数や変数などで変動するものや3次元の場合はアニメーションとして視覚化されている。
みなさまは"The Causal Revolution" (因果革命)という言葉を聞いたことがあるでしょうか? 私は今月(2021年6月)に初めて知りました。Google Trendsでもデータ不足によりトレンドが表示されません。 つまりまだ全然マイナーな概念で、聞いたことがないほうが自然かと思われますが、これは「来る」と確信したため本記事を投稿しました。この確信の根拠の箇所を記事中で太字で書いた他、最後にもまとめたため、本記事を読む価値がありそうかの判断には先にそちらを読んでもらってもいいかもしれません。しかしながら、因果革命ないし統計的因果推論は学ぶ価値のある分野です。本記事を読まなくても下記に挙げた書籍を未読の方はぜひ一読してみてください。Qiitaでも因果推論についての記事はいくつもあります。しかし、私が感動した点を明示化した記事は見当たらなかったため本記事を投稿しました。 この記
――そもそも統計的な予測というのは、どんなものなのでしょうか。 椿)将来予測は、統計の専門家がずっと研究してきたテーマのひとつです。たとえば心臓移植が試みられるようになって50年以上たちますが、その裏では、移植するとどれぐらい長く生きられるかを予測する手法が発展してきました。これらの手法はその後、製造業での故障の予測などにも応用されていっています。 統計的な予測というのは、過去のデータをもとに、入力変数と、予測したいできごととの関係を近似する数学的なモデルをつくることです。たとえば出生率を予測するなら、婚姻率や晩婚化が入力変数になり、その婚姻率や晩婚化といった変数は、さらに分解して経済状況などから予測します。そうやって関係式を組み合わせ、いわば巨大な連立方程式のようなものをつくっていくんです。 自然科学的な現象や社会、経済などのある種のダイナミズムで動いているものは、こうした関係式の組み合
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