統計的機械学習入門 | 中川研究室
導入pdf 情報の変換過程のモデル化 ベイズ統計の意義 識別モデルと生成モデル 最尤推定、MAP推定 データの性質 情報理論の諸概念 (KL-divergenceなど) 距離あるいは類似度 数学のおさらいpdf 行列の微分 線形代数学の役立つ公式 多次元正規分布 条件付き正規分布 Bayes推論pdf Bayseによる確率分布推定の考え方 多項分布、ディリクレ分布 事前分布としてのディリクレ分布の意味<\li> 正規分布と事後分布 指数型分布族 自然共役事前分布の最尤推定 線形回帰および識別pdf 線形回帰のモデル 正則化項の導入 L2正則化 L1正則化 正則化項のBayes的解釈 線形識別 2乗誤差最小化の線形識別の問題点 生成モデルを利用した識別 学習データと予測性能pdf 過学習 損失関数と Bias,Variance, Noise K-Nearest Neighbor法への応用 b
JavaScriptでファジー理論
JavaScript Advent Calendar 2011 (オレ標準コース)の9日目の記事です。 「オレ標準コースは何を書いてもいいらしい」という噂を聞きつけてやってきました。@push_backです。 今回は簡単なファジー論理（cf. ファジィ論理 - Wikipedia）をJSでやってみよう！という試み。 元ネタは最後にある参考文献[1]を参照のこと。 一日で突貫工事したので、ところどころ微妙だったりします。許せ！ ファジー(あいまい)論理って？ AIの思考ロジックとかエアコンの制御なんかに使われている、ぼんやりした基準をもとに判断する方法。 一言で言うと"ある基準値との近さから0～1の真理値を求める"もの。 普通に真理値を求める(例えば、100 < N)とtrue/falseで0か1かの2値になる。 しかし、ファジー論理では、評価基準となるメンバーシップ関数の返す0～1のスコア
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
