しましま/IBIS2017 - 機械学習の「朱鷺の杜Wiki」
招待講演１：Supervised Learning without Discrimination† Nathan Srebro (TTI-Chicago) 統計的予測が人種や性別で差別的にならないようにする たとえ，保護属性 A が予測関数 ^Y(X) に含まれていなくても，A に依存する可能性 すくなくともテストのときは A を使って補正する必要 demographic parity：Aの各特徴ごとの割合を合わせる → 誤差を細かく制御できない equalized odds: 観測値が与えられたとき，予測値と保護属性が独立 → 属性ごとに誤差が同じ ^Y が実数のときは，ROC曲線を一致させるようにする ↑ 招待講演２：Advice to Young and New AI Scientists† Edward Albert Feigenbaum If you see an area in
しましま/IBIS2016 - 機械学習の「朱鷺の杜Wiki」
順序構造上の情報幾何的解析† 大阪大学 杉山麿人 半順序構造 S,≦上の分布 対数線形モデル：ζ関数 ζ(s,x) （s≦xなら1）と係数θ(s) log p(x) ＝ Σ ζ(s, x) θ(s) 線形モデル：メビウス関数 μ(s,x) （ζ^-1 ）と期待値θ(s) p(x) ＝ Σ μ(s, x) η(s) おいしいところ 分布のKLダイバージェンスば分解可能 dually flat manifold 構造 半順序構造：べき集合，正整数，プレフィックス木，有向非循環グラフ 分布：半順序をグラフで書くと，各ノードに確率質量がついている 情報幾何的に，このような分布を空間中の点と考える べき集合：特徴の組み合わせ全体の集合とみなせる 頻出パターンマイニング：頻度の大きな組み合わせを発見する 順序構造で，ある特徴の組み合わせより大きなものの頻度が大きなパターンを見つける→有用な特徴の選択に
しましま/人工知能学会全国大会2015 - 機械学習の「朱鷺の杜Wiki」
1H2-1 フィルターバブルを気づかせるシステムの提案† 片岡 雅裕， 橋山 智訓， 田野 俊一(電気通信大学 大学院情報システム学研究科 情報メディアシステム学専攻) プライベート検索をオン・オフで順位が異なる場合の変化から，順位が大きく変化する検索結果があるとき，インジケータを付ける ↑ 1H2-2 推薦理由を提示する情報推薦システム† 折原 レオナルド賢， 橋山 智訓， 田野 俊一(電気通信大学 大学院情報システム学研究科 情報メディアシステム学専攻) 内容ベースの推薦で，利用者プロファイル中で推薦に影響した項目を示す 推薦のある方が満足度が下がる結果 ↑ 1H2-3in コミックの探索的検索支援にむけたジャンル情報の利用に関する検討† 山下 諒， 松下 光範(関西大学総合情報学部総合情報学科) コミックの個人化検索：好み自体の他，ストーリーや絵柄が興味の観点が異なる → レビュー文
PRML/course - 機械学習の「朱鷺の杜Wiki」
必要な事前知識† 微積分：多変量の微分や積分は必要です．ラグランジュの未定乗数法や簡単な変分も必要ですがこれらは付録に簡単な解説があります．複素数の微積分については不要です． 線形代数：3×3以上の固有値・逆行列，行列に対する微積分は必要ですが，これらについては付録に簡単にまとめられています．\(l^2\)空間やヒルベルト空間，複素数については不要です． 確率：基礎については1章で述べられていますが，確率の扱いや考えに慣れていると便利です．確率測度など公理にまで踏み込んだ知識や，統計の検定などの知識は不要です． ↑ 本書に関連する分野† 以下の分野でデータからの予測や分析が必要とされる分野 対象分野：本書と直接的な関連がある分野には次のようなものがあります． 機械学習，パターン認識，統計，データマイニング 応用分野：機械学習，パターン認識，統計的予測技術が応用されている分野には次のようなも
Weka - 機械学習の「朱鷺の杜Wiki」
ライブラリ† AlgorithmsForWekaWakka：ファジィc-means法などのファジィ系の手法 BioWeka：バイオインフォマティクス fast-random-forest Fuzzyweka：if-thenルールによるファジィ分類器 jBNC：ベイジアンネットライブラリ HMMWeka：隠れMarkovモデル Olex-GA：文書分類ルールを遺伝的アルゴリズムで獲得 pHMM4weka：隠れMarkovモデルによるタンパク質の分類 Spectral Clusterer for WEKA @ Luigi Dragone：スペクトラルクラスタリング Weka4WS：Grid環境でWekaを実行 WEKA Classification Algorithms：Wekaのプラグイン集．ニューラルネット，学習ベクトル量子化，自己組織化マップなど． Weka LibSVM (WLSVM)
SVM - 機械学習の「朱鷺の杜Wiki」
Freeware† mloss:linear-svm, mloss:support-vector-machines, mloss:svm, mloss:support-vector-machine SVM Software @ www.svms.org LIBSVM (C) Weka LibSVM (WLSVM) LIBLINEAR：大規模計算用，L1/L2損失 (C/C++) liblinear2scipy：pythonラッパー SVM perf, SVM light (C) Tree Kernels in SVM-light SVM python：pythonインターフェース Algorithm-SVMLight：perlインターフェース LaSVM：近似オンライン学習の利用による高速化 svmsgd @ Léon Bottou：確率的勾配降下法の利用 Pegasos AI-Categ
IBIS - 機械学習の「朱鷺の杜Wiki」
初期は情報理論とその応用学会によって開催されていましたが， 2001年からは信学会時限専門委員会，2010からは 情報論的学習理論と機械学習(IBISML)研究会>IBISML の主催になりました． 情報論的学習理論ワークショップのホームページ
しましま/DMSS2009 - 機械学習の「朱鷺の杜Wiki」
The 4th International Workshop on Data-Mining and Statistical Science (DMSS2009)† このページはしましまがThe 4th International Workshop on Data-Mining and Statistical Science (DMSS2009) に参加してとったメモです．私の主観や勘違いが含まれていたり，私が全く分かってなかったりしていますので，その点を注意してご覧ください．誤りがあれば，指摘してください． ↑ Efficient Exploration through Active Learning for Value Function Approximation in Reinforcement Learning† Takayuki Akiyama, Hirotaka Hachiya,
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
