文系でも機械学習がわかるようになる教科書 - EchizenBlog-Zwei
社内の有志で機械学習や数学の勉強会をいくつかやっています（私以外の方が主催しているものもある）。とくに理系ではない方も参加されていますが、きちんと頑張ればだんだん機械学習ができるようになるということがわかってきたのでメモしておきます。 なお、機械学習をとりあえず実装するだけだったらもっと簡単に学ぶ方法もいろいろあり、今回はあくまで正攻法で機械学習を勉強する、という観点での書籍の選択となっています。急がば回れという言葉もあるように、焦って成果を求めないのであれば地道に頑張るほうが後々応用が効いて良いということもあります。 高専の数学 おそらく数学ができないという方は高校の数学あたりから理解が怪しいことになっていると思います。「高専の数学」は中学数学までの前提知識で読める教科書で、わかりやすい例題や理解の助けになる練習問題が多数用意されているため、きちんと問題を解いていけば無理なく高専の数学(
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
機械学習で固有値とか固有ベクトルで詰まった人は「キーポイント線形代数」がオススメ - EchizenBlog-Zwei
機械学習を学んでいる微分積分や線型代数の知識が必要になることが多い。どちらとも大学で学ぶ数学の基礎なので知っていて当然！・・・というのが理想だけれどなかなかそうはいかない。 特に線型代数で出てくる固有値や固有ベクトルはグラフマイニングや次元圧縮などで頻出する。そこで慌てて線型代数の教科書を開いてみても、どういう意味を持つ値なのかを解説している教科書は意外と少ない。 もうまた固有値かよ！わからないから勘弁してよ！そんなあなたにオススメなのが本書「キーポイント線形代数」。 本書は大抵の人が線型代数でハマる固有値、固有ベクトルとは何か？を図を用いてものすごく分かりやすく解説している、非常にオススメな入門書。もちろん基礎からバッチリ解説してあるので初心者でも安心して読める。 実のところ某プログラミングのためのなんちゃらより65536倍は分かりやすいと思うよ。
伝説のベイジアン先生にベイズの基礎を教えてもらえる「図解・ベイズ統計「超」入門」を読んだ - EchizenBlog-Zwei
「図解・ベイズ統計「超」入門 あいまいなデータから未来を予測する技術」という本を読んだ。 社会人のアヤとケンが社内研修で伝説のベイジアン先生からベイズの基礎を教わる、という設定の会話形式でベイズについて書かれた入門書。社内研修でベイズのプロから指導を受けるとかどんだけ恵まれてるんだ。 アヤさんは大学で統計をやったが数学は詳しくないという設定。ただ時々鋭い質問をする。また統計に詳しいイケメン兄がいる。 ケンくんは知識は全くなく最後まで「わかりません」を連発する。彼女持ちのリア充。 伝説のベイジアン先生は社内研修の講師。ベイズの基礎を豊富な具体例で教えてくれるまじぱない先生。あまりにもいけてるので数カ月後に転職しそうな感じ。 内容は1章が導入、2章が同時確率・条件付き確率、3章がベイズの定理、4章がベイズの定理を用いた事後確率計算の具体例、5章が事例の追加による事前確率の更新(具体例としてナイ
経済学を知ったかぶりするための独学方法
すらたろう氏が独習者のためのおすすめ経済学入門テキストを紹介しているのを見て、ask.fmを始めたところ、経済学研究科に行かないで経済学を学ぶ方法を質問されたのを思い出した。 用途が分からないのだが、SNSで聞かれたのでSNSで使うための知識なのであろう。主に文系学問を学んできた人が、インターネットの交流サイトで経済学を知ったかぶりするための独学方法を考えてみたい。 1. 基礎的な数学を学ぶ 経済学は言葉として数学を利用しているため、ある程度の数学の知識が必要だ。記号の意味ぐらい分からないと、読み飛ばしもできない。しかし経済学の教科書の数学の説明は極端に省略されているので、やさしめの数学書を読んだ方が理解が深まる。線形代数、集合、位相、解析のイロハを学ぼう。 一般教養で数学を履修していなかった人は、『微分・積分30講』と『線形代数30講』を読んでおく方が良いと思う。だらだら読んでいても一ヶ
「京」を使い世界最高速の固有値計算に成功 | 理化学研究所
ポイント 「京」の全計算プロセッサを利用した世界最大規模の固有値計算に成功 半導体や新材料の開発などのシミュレーションがより大規模化・高速計算が可能に 大規模シミュレーションを実現するソフトウエア「EigenExa」を公開 要旨 理化学研究所（理研、野依良治理事長）は、大規模コンピュータシミュレーションや、ビッグデータにおけるデータ相関関係の解析などに必要な行列[1]の固有値を高速で計算できるソフトウエア「EigenExa（アイゲンエクサ）」を開発しました。EigenExaを用い、スーパーコンピュータ「京」[2]で100万×100万の行列での固有値計算を行った結果、これまで１週間程度必要だと考えられていた計算を、わずか1時間で計算することに成功しました。これは、理研計算科学研究機構（平尾公彦機構長）大規模並列数値計算技術研究チーム（今村俊幸チームリーダー）を中心とする研究チームによる成果で
コンピュータービジョンの無料チュートリアル - ベイズ推定とグラフィカルモデル：コンピュータビジョン基礎1
Learn essence of "Computer Vision: Models, Learning, and Inference"
ヤコビアンについて調べた - nokunoの日記
社内でPRML勉強会が始まり、1.2.1節の確率密度の変数変換のところで多変数の変換が説明されていないのに不満を持ちました。連続値をとる確率変数を変数変換すると、領域を引き伸ばしたり縮めたりするので確率密度が変化します。領域をa倍拡大すれば、密度は1/aに薄まり、逆に縮めれば密度は上がります。このときの拡大率は変数が1次元か多次元か、射影が線形か一般かで次のような表にまとめられます。 射影 １次元 多次元 線形 傾き 行列式 一般 微分 ヤコビアン ヤコビアンが一番一般的なケースとなります。ヤコビ行列 - Wikipedia ツイートする
相加平均≧相乗平均≧調和平均の証明 with Jensenの不等式 - シリコンの谷のゾンビ
先日のブログ記事 F値の前身はE値? - 睡眠不足？！ でF値 (E値) の計算に調和平均を利用した．その際， 相加平均 ≧ 相乗平均 ≧ 調和平均 という関係があることを紹介した．この関係は，いろんな方法で証明することができるらしいけれど，みんな大好きJensenの不等式で証明してみる． なお，Jensenの読み方には， イェンゼン イェンセン ジェンセン など色々あり，僕はイェンセンと読んでいる．なお，Wikipediaではイェンゼンの模様． 相加平均，相乗平均，調和平均は，n個の要素が与えられた際には，以下のように記述できる． 相加平均: 相乗平均: 調和平均: さてみんな大好きJensenの不等式は，凸関数f(x)について以下の不等式が成り立つというもの． ただし， かつ なお，このようなによる線形結合を凸結合と呼ぶらしい． 図に描くと直感的にわかりやすい．二次関数y=x^2におけ
時代は数論！今すぐ始められる、簡単☆ProjectEuler入門ガイド - EchizenBlog-Zwei
まわりのエンジニアの間でプログラミングコンテストが流行っている。実力を磨くことができるのに加えて客観的に能力を示すことができるのも大きな魅力だと思う。 しかし興味はあるけれどプログラミングコンテストに対して敷居の高さを感じている人も多いのでは。そんなあなたにProjectEuler(プロジェクト・オイラー)！参加の敷居が非常に低く、楽しみながらアルゴリズムや数論の知識も身につくので他のプログラミングコンテストに参加する足がかりとして挑戦してみるのも良いのでは。 そこで本記事ではProjectEuler(PE)入門のために、PEとは何か？何故簡単に始められるのか？どういうメリットがあるのか？おすすめのプログラミング言語は？おすすめの参考書は？という5つについて解説する。これを読んであなたもPEに参加しよう！今すぐ！ http://projecteuler.net/ PEはプログラミングと数学
アリ充に近づくために「はじめての数論」を読んでる - EchizenBlog-Zwei
アリ本こと「プログラミングコンテスト チャレンジブック」の上級編の最初に数論ぽい話が色々書いてあって興味を持ったので「はじめての数論」を読んで勉強中。 この本は数論の入門書ということで非常に分かりやすく数論の基礎が書いてある。全48章からなる本書は1章あたり10P前後でまとまっていて読みやすい。毎朝30分で1章読む感じで楽しんでいる。練習問題もプログラムを書け、エッセイを書けなどユニークなものが多くて面白い(難しくて解いてない問題も結構ある。まあ考えることに意義があるので！)。 本の構成も数学の本にありがちな天下り的な感じではなく、事例を眺める、法則を予想する、証明するという流れになっているので自然に頭に入ってくる。 それになんといっても著者が数論大好き！というのが文章から伝わってくるのが良い。なんというか素数かわいいよ素数という感じ。数論は整数を扱うものなので数学の事前知識が無くても読め
「統計数理」既刊目次
各論文の全文pdfをご覧いただけます。 pdfを公開しているものについては、著作権は統計数理研究所に帰属します 第71巻 第１号 ，第２号 (2023年) 第70巻 第１号 ，第２号 (2022年) 第69巻 第１号 ，第２号 (2021年) 第68巻 第１号 ，第２号 (2020年) 第67巻 第１号 ，第２号 (2019年) 第66巻 第１号 ，第２号 (2018年) 第65巻 第１号 ，第２号 (2017年) 第64巻 第１号 ，第２号 (2016年) 第63巻 第１号 ，第２号 (2015年) 第62巻 第１号， 第２号 (2014年) 第61巻 第１号， 第２号 (2013年) 第60巻 第１号， 第２号 (2012年) 第59巻 第１号， 第２号 (2011年) 第58巻 第１号， 第２号 (2010年) 第57巻 第１号， 第２号 (2009年) 第56巻 第１号， 第２号
マルコフ連鎖モンテカルロ法入門-１
※ここで解説しているお天気推移モデルはオリジナルなものですので、数値・計算等にミスがある可能性が否めませんので、もし間違いを見かけた方は優しく教えていただけると助かります。 お天気推移モデルで理解するマルコフ連鎖モンテカルロ法。２状態離散モデルの解説を中心に、メトロポリス法の解説まで行った。 次は連続モデルや熱浴法・メトロポリスヘイスティング法の解説資料も作成したい⇒完成。以下のLINKを参照下さい。http://www.slideshare.net/teramonagi/ss-5344006 誤字を修正（2010/11/01）Read less
Welcome - OeisWiki
NOTE: The Main Page on the OEIS Wiki has much more information (FAQ, Index, Style Sheet, Trouble Logging In, Citations, etc.) Welcome to The On-Line Encyclopedia of Integer Sequences® (OEIS®) Wiki Some Famous Sequences Click on any of the following to see examples of famous sequences in the On-Line Encyclopedia of Integer Sequences (the OEIS), then hit "Back" in your browser to return here: Recamá
logsumexp(log sum exponential)とは - EchizenBlog-Zwei
uchiumiさんが最近"log sum exponential"という単語を連呼していた。 「ろぐ さむ えくすぽおねんしゃる？なにそれおいしいの？」 状態だったのだが、最近LDA(Latent Dirichlet Allocation)を実装した際に、この"log sum exponential"問題に遭遇したのでメモしておく。 例えばある変数集合{Ai}があったときに Pi = Ai / ΣAiとして最大1になるようにして確率化したいことがある。ここでPiやAiが非常に大きい、または小さい値を取る場合PiやAiをそのまま保持せずにlog(Pi)やlog(Ai)として持っておきたいことがある。 以下、lnPi = log(Pi)、lnAi = log(Ai)として扱う。 lnPi = lnAi - log(ΣAi) = lnAi - log(Σexp(lnAi)))とすればPiとaiを
logsumexpの補足 - EchizenBlog-Zwei
昨日書いたlogsumexpの記事についてわかりにくいといった意見があったので補足しておく。 昨日と切り口を変えて書いてみたので人によってはこちらの方が分かりやすいかも。 記事の要点はexp(a)やexp(b)が計算できないほど大きい、または小さい値になってしまうときにexp(a)やexp(b)を直接計算せずに、かわりにexp(a-b)を使って log(exp(a) + exp(b)) を計算するための手法を紹介した、というもの。(a-b)はaやbに比べて絶対値が小さいので扱いやすい。 具体的にはb > aとして log( exp(a) + exp(b) ) = log( exp(b)(exp(a-b) + exp(b-b)) ) = log(exp(b)) + log(exp(a-b) + exp(b-b)) = b + log(exp(a-b) + 1.0)と展開することでexp(a)
数学の勉強の仕方：アルファルファモザイク
■質問用テンプレ 【テンプレorまとめサイトを読みましたか？】はい・いいえ 【学年】 ←新、現の区別をはっきりと書く 【学校レベル】 ←なくても可 【偏差値】 ←どの予備校の模試かをきちんと書く 【志望校】 ←文系･理系、学部学科を書く 【今までやってきた本や相談したいこと】 テンプレ 携帯用 http://ime.nu/juken.xrea.jp/mb/sugaku.html PC用 http://ime.nu/juken.xrea.jp/modules/bwiki/index.php?sugaku 新まとめサイト(議論中) http://ime.nu/www.geocities.jp/math_study_2ch/index.html 大学受験版(総合) 特製 天プレ丼 http://ime.nu/daigakujuken.at.info
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
移動しました
Amazon.co.jp: The Matrix Eigenvalue Problem: GR and Krylov Subspace Methods: Watkins, David S.: 本
HMM, MEMM, CRF まとめ - あらびき日記
