協調フィルタリングについてまとめてみた。 - Analyze IT.
A Survey of Collaborative Filtering Techniques(Xiaoyuan Su and Taghi M. Khoshgoftaar, 2009,Advances in Artificial Intelligence) 仕事で協調フィルタリングについて調べる必要が出てきたのだが、あまりよい日本語の文献を見つけられなかったため（後にしましま先生の文献を見つけた）やむなく英語の論文を検索したところ、 上記のよいサーベイ論文を見つけた。というわけでこのサーベイ論文に書かれていることに自分なりに調べたことを加えて、自分用にまとめておく。 また、一部の人達の間ではとても有名なしましま先生の論文（ドラフト版）があるので、英語が苦手な人はそちらをご覧になるとよいと思われる。 協調フィルタリングは、一言で言えばユーザとアイテムのマトリックスを用いた顧客への商品のレコメン
WEKA利用中にメモリ不足で終了してしまう時の対策 - LostMemories
日頃感じていることや、身の回りで起きる少し変わったことを紹介します。 携帯版は、http://trialpc.net/mt/mt4i.cgi?id=1 です。 データマイニングツールWEKAを利用していると、たまにメモリ不足で不正終了してしまうことがあります。これは、WEKAに割り当てられているヒープ領域（メモリの大きさ）が十分でないために起こる現象です。これを回避するためには、ヒープ領域を十分に割り当ててやる必要があります。 これ以降は、Windows環境（GUI）を前提にします。他のOS向けのWEKAを利用している場合は、普通のjavaアプリケーションの時と同様に、-Xmxオプションでヒープ領域を大きめに指定してください。 Windows上でWEKAのヒープ領域を大きくするには、設定ファイルの設定を変更する方が簡単です。インストールされているフォルダ（一般的には「C:\Program
データマイニングの基礎データマイニングの基礎 Multidisciplinary Design Exploration (MDE)Multidisciplinary Design Exploration (MDE) Lecture Series 1Lecture Series 1 20072007年年33月月2323日日 東北大学大学院東北大学大
データマイニングの基礎データマイニングの基礎 Multidisciplinary Design Exploration (MDE)Multidisciplinary Design Exploration (MDE) Lecture Series 1Lecture Series 1 20072007年年33月月2323日日 東北大学大学院東北大学大学院 情報科学研究科／情報科学研究科／((株株))三菱総合研究所三菱総合研究所 寺邊寺邊 正大正大 Multidisciplinary Design Exploration (MDE) Lecture Series 1@Tohoku Univ. All Rights Reserved, Copyright © 2007 Mitsubishi Research Institute, Inc.2007/3/232007/3/23 22 本日の内容本日
糞糞糞ネット弁慶
先に結論 nDCG@all はどんな予測値やモデルであっても 1.0 に近づくので注意したほうが良さそうです． 疑問 機械学習モデルにおける予測値の評価にはさまざまな指標が用いられます． RMSE prec / recall / f1-score negative log-likelihood 二値分類ではとくに ROC-AUC (Area Under the Receiver Operating Characteristic Curve)1が用いられることが多いでしょう． ランダムな予測値に対する ROC-AUC はその定義上からも 0.5 になることが知られています．これは非常に便利で，ROC-AUC の厳密な定義を知らない人でも「この予測結果はコイントスよりどれだけ優れているのか」がすぐに把握可能です． (ちなみに ROC-AUC については Quality Metrics in R
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
https://db-event.jpn.org/deim2012/data/uploads/t2.pdf
