線形回帰および識別
3. 線形回帰および識別 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 生成モデルを利用した識別 2乗誤差最小化の線形識別の問題点 クラシックな機械学習の入門 by 中川裕志（東京大学） 線形モデル データ の分布状況 から線形回帰式を求 める w0 x y y=w1x+w0 線形モデル T 101 0 ],,,,[,],,,1[, K T Ki K i i wwwxxxwy wxwx ただし、 入力ベクトル：x から出力：y を得る関数がxの線形関数 （wとxの内積） 一般に観測データはノイズを含んでいる。つまり 得られたN個の観測データ の組（y,X）に対して最適なwを推 定する。 そこで、yと の2乗誤差を最小化するようにwを選ぶ。 と考える。はノイズで ),0(, 2 Ny wx wX
Kerasを使って問い合わせ・依頼先を教えてくれるbotを作った話 - Pepabo Tech Portal
おはようございますこんにちは、こんばんは、初めましての人は初めまして、GMOペパボの情報システムグループでエンジニアをしている西畑です。 今回は私が作成したbotについての話をしたいと思います。どのようなbotかというと、ペパボ内での制度や日々の困り事があった時にどの部署に問い合わせるのがよいのかを推薦してくれるbotです。 ここでの困り事とは、技術的に分からない事やお客様への対応方法がわからないというような業務のスキルに関するものではなく、例えば使っているPCが壊れた、経費精算の仕方がわからないといった業務上必要になる雑務的なものを処理する上での困りごとを指します。 社会人の方であれば、経費精算や備品のトラブルで何処かに対応を依頼するという経験をしているのではないでしょうか。学生でも似たようなケースはありそうですね。 そういった、いわゆる組織内の取り決めやフローについて疑問を抱いていたと
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
