https://b.hatena.ne.jp/disassembler/bookmark disassemblerのはてなブックマーク (42) https://disassemble-channel.com/pytorch-embedding/ embeddingについて disassembler 2022-12-01T10:10:16Z <blockquote cite="https://disassemble-channel.com/pytorch-embedding/" title="【深層学習】埋め込み(Embedding)や埋め込み層の仕組みと実装を理解する | 機械学習と情報技術"><cite><img src="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Fdisassemble-channel.com%2Fpytorch-embedding%2F" alt="" /> <a href="https://disassemble-channel.com/pytorch-embedding/">【深層学習】埋め込み(Embedding)や埋め込み層の仕組みと実装を理解する | 機械学習と情報技術</a></cite><p><a href="https://disassemble-channel.com/pytorch-embedding/"><img src="" alt="【深層学習】埋め込み(Embedding)や埋め込み層の仕組みと実装を理解する | 機械学習と情報技術" title="【深層学習】埋め込み(Embedding)や埋め込み層の仕組みと実装を理解する | 機械学習と情報技術" class="entry-image" /></a></p><p>埋め込みとは、自然言語処理(Natural Language Processing, NLP)の文脈では、自然言語などの文章や単語を、数値的に扱えるようにベクトル化することを示します。 Embedding(埋め込み)の目的 埋め込みの主たる目的は、冒頭で述べたように、単語や文章を計算機で扱えるようなベクトルデータに変換することです。 通常の機...</p><p><a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/pytorch-embedding/"><img src="https://b.hatena.ne.jp/entry/image/https://disassemble-channel.com/pytorch-embedding/" alt="はてなブックマーク - 【深層学習】埋め込み(Embedding)や埋め込み層の仕組みと実装を理解する | 機械学習と情報技術" title="はてなブックマーク - 【深層学習】埋め込み(Embedding)や埋め込み層の仕組みと実装を理解する | 機械学習と情報技術" border="0" style="border: none" /></a> <a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/pytorch-embedding/"><img src="https://b.st-hatena.com/images/append.gif" border="0" alt="はてなブックマークに追加" title="はてなブックマークに追加" /></a></p></blockquote> 1 https://disassemble-channel.com/pytorch-gcn/ 【GCN】pytorchでグラフ畳み込みネットワーク(GCN)を実装する disassembler 2022-12-01T07:01:01Z <blockquote cite="https://disassemble-channel.com/pytorch-gcn/" title="【GCN】pytorchでグラフ畳み込みネットワーク(GCN)を実装する | 機械学習と情報技術"><cite><img src="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Fdisassemble-channel.com%2Fpytorch-gcn%2F" alt="" /> <a href="https://disassemble-channel.com/pytorch-gcn/">【GCN】pytorchでグラフ畳み込みネットワーク(GCN)を実装する | 機械学習と情報技術</a></cite><p><a href="https://disassemble-channel.com/pytorch-gcn/"><img src="" alt="【GCN】pytorchでグラフ畳み込みネットワーク(GCN)を実装する | 機械学習と情報技術" title="【GCN】pytorchでグラフ畳み込みネットワーク(GCN)を実装する | 機械学習と情報技術" class="entry-image" /></a></p><p>GCN(Graph Convolutional Network、グラフ畳み込みネットワーク) は、2017年に深層学習のトップカンファレスであるICLRで発表されて以来、徐々に注目を集めており、2022年現在深層学習関連のホットトピックでもあります。 今回は、このGCNについて解説しながら、pytorchで実装をしていきます。今回はライブラリとして、G...</p><p><a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/pytorch-gcn/"><img src="https://b.hatena.ne.jp/entry/image/https://disassemble-channel.com/pytorch-gcn/" alt="はてなブックマーク - 【GCN】pytorchでグラフ畳み込みネットワーク(GCN)を実装する | 機械学習と情報技術" title="はてなブックマーク - 【GCN】pytorchでグラフ畳み込みネットワーク(GCN)を実装する | 機械学習と情報技術" border="0" style="border: none" /></a> <a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/pytorch-gcn/"><img src="https://b.st-hatena.com/images/append.gif" border="0" alt="はてなブックマークに追加" title="はてなブックマークに追加" /></a></p></blockquote> 1 https://disassemble-channel.com/graph-attention-network-gat/ Graph Attention Networkのまとめ disassembler 2022-11-26T14:37:45Z <blockquote cite="https://disassemble-channel.com/graph-attention-network-gat/" title="Graph Attention Network (GAT) — Attention機構をグラフに導入する仕組み | 機械学習と情報技術"><cite><img src="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Fdisassemble-channel.com%2Fgraph-attention-network-gat%2F" alt="" /> <a href="https://disassemble-channel.com/graph-attention-network-gat/">Graph Attention Network (GAT) — Attention機構をグラフに導入する仕組み | 機械学習と情報技術</a></cite><p><a href="https://disassemble-channel.com/graph-attention-network-gat/"><img src="" alt="Graph Attention Network (GAT) — Attention機構をグラフに導入する仕組み | 機械学習と情報技術" title="Graph Attention Network (GAT) — Attention機構をグラフに導入する仕組み | 機械学習と情報技術" class="entry-image" /></a></p><p>深層学習やGNN(Graph Neural Network)関連の論文を読み漁っていると、Graph Attention Network(GAT, グラフアテンションネットワーク)に関する論文を目にすることが多くあると思います。 GAT(は、GNN(Graph Neural Network)やGCN(Graph Convolutional Network)の枠組みに、Attentionの機構を取り入れることで、深層学習...</p><p><a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/graph-attention-network-gat/"><img src="https://b.hatena.ne.jp/entry/image/https://disassemble-channel.com/graph-attention-network-gat/" alt="はてなブックマーク - Graph Attention Network (GAT) — Attention機構をグラフに導入する仕組み | 機械学習と情報技術" title="はてなブックマーク - Graph Attention Network (GAT) — Attention機構をグラフに導入する仕組み | 機械学習と情報技術" border="0" style="border: none" /></a> <a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/graph-attention-network-gat/"><img src="https://b.st-hatena.com/images/append.gif" border="0" alt="はてなブックマークに追加" title="はてなブックマークに追加" /></a></p></blockquote> 1 https://disassemble-channel.com/deep-learning-gcn/ GCNの解説。わかりやすい。 disassembler 2022-11-26T07:54:18Z <blockquote cite="https://disassemble-channel.com/deep-learning-gcn/" title="【深層学習】GCN(グラフ畳み込みネットワーク)をわかりやすく解説する | 機械学習と情報技術"><cite><img src="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Fdisassemble-channel.com%2Fdeep-learning-gcn%2F" alt="" /> <a href="https://disassemble-channel.com/deep-learning-gcn/">【深層学習】GCN(グラフ畳み込みネットワーク)をわかりやすく解説する | 機械学習と情報技術</a></cite><p><a href="https://disassemble-channel.com/deep-learning-gcn/"><img src="" alt="【深層学習】GCN(グラフ畳み込みネットワーク)をわかりやすく解説する | 機械学習と情報技術" title="【深層学習】GCN(グラフ畳み込みネットワーク)をわかりやすく解説する | 機械学習と情報技術" class="entry-image" /></a></p><p>GCN(Graph Convolution Network)は、GNN(Graph Neural Network)の1種類で、2022年現在、機械学習やAIのトップカンファレンスであるICMLやICLRで、非常に多くGCNやGNN関連の論文が登場するなど、現在非常に盛んに研究が盛んに行われています。 GCN自体の論文は、2017年にICLRで、 SEMI-SUPERVISED CLASSIFICATION WITH GR...</p><p><a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/deep-learning-gcn/"><img src="https://b.hatena.ne.jp/entry/image/https://disassemble-channel.com/deep-learning-gcn/" alt="はてなブックマーク - 【深層学習】GCN(グラフ畳み込みネットワーク)をわかりやすく解説する | 機械学習と情報技術" title="はてなブックマーク - 【深層学習】GCN(グラフ畳み込みネットワーク)をわかりやすく解説する | 機械学習と情報技術" border="0" style="border: none" /></a> <a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/deep-learning-gcn/"><img src="https://b.st-hatena.com/images/append.gif" border="0" alt="はてなブックマークに追加" title="はてなブックマークに追加" /></a></p></blockquote> 2 https://dajiro.com/entry/2020/05/09/224156 GOOD! disassembler 2022-11-22T19:09:09Z <blockquote cite="https://dajiro.com/entry/2020/05/09/224156" title="【Graph Attention Networks解説】実装から読み解くGAT - ころがる狸"><cite><img src="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Fdajiro.com%2Fentry%2F2020%2F05%2F09%2F224156" alt="" /> <a href="https://dajiro.com/entry/2020/05/09/224156">【Graph Attention Networks解説】実装から読み解くGAT - ころがる狸</a></cite><p><a href="https://dajiro.com/entry/2020/05/09/224156"><img src="https://cdn-ak-scissors.b.st-hatena.com/image/square/817c855c47cfae6416454b953af874da08ba64fc/backend=imagemagick;height=90;version=1;width=120/https%3A%2F%2Fcdn.image.st-hatena.com%2Fimage%2Fscale%2F5ff549009752a3a8731f2253b26d09156d011049%2Fbackend%3Dimagemagick%3Bversion%3D1%3Bwidth%3D1300%2Fhttps%253A%252F%252Fcdn-ak.f.st-hatena.com%252Fimages%252Ffotolife%252FD%252FDajiro%252F20200512%252F20200512212413.png" alt="【Graph Attention Networks解説】実装から読み解くGAT - ころがる狸" title="【Graph Attention Networks解説】実装から読み解くGAT - ころがる狸" class="entry-image" /></a></p><p>こんにちは。機械学習の適用先としては、自然言語処理、画像解析、時系列解析など幅広い分野があるわけですが、今日はグラフ構造に対する機械学習モデルを紹介したいと思います。グラフで表現出るものは多く、例えば人間関係だとか、論文の引用・被引用関係、さらには化合物の構造なども当てはまります。近年のグラフニ...</p><p><a href="https://b.hatena.ne.jp/entry/s/dajiro.com/entry/2020/05/09/224156"><img src="https://b.hatena.ne.jp/entry/image/https://dajiro.com/entry/2020/05/09/224156" alt="はてなブックマーク - 【Graph Attention Networks解説】実装から読み解くGAT - ころがる狸" title="はてなブックマーク - 【Graph Attention Networks解説】実装から読み解くGAT - ころがる狸" border="0" style="border: none" /></a> <a href="https://b.hatena.ne.jp/entry/s/dajiro.com/entry/2020/05/09/224156"><img src="https://b.st-hatena.com/images/append.gif" border="0" alt="はてなブックマークに追加" title="はてなブックマークに追加" /></a></p></blockquote> 5 https://disassemble-channel.com/how-to-use-pyg-pytorch-geometric/ pytorch geometricでGNNをする準備ができる disassembler 2022-11-22T15:59:23Z <blockquote cite="https://disassemble-channel.com/how-to-use-pyg-pytorch-geometric/" title="【PyG】PyTorch Geometricのインストール方法から利用方法まで解説 | 機械学習と情報技術"><cite><img src="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Fdisassemble-channel.com%2Fhow-to-use-pyg-pytorch-geometric%2F" alt="" /> <a href="https://disassemble-channel.com/how-to-use-pyg-pytorch-geometric/">【PyG】PyTorch Geometricのインストール方法から利用方法まで解説 | 機械学習と情報技術</a></cite><p><a href="https://disassemble-channel.com/how-to-use-pyg-pytorch-geometric/"><img src="" alt="【PyG】PyTorch Geometricのインストール方法から利用方法まで解説 | 機械学習と情報技術" title="【PyG】PyTorch Geometricのインストール方法から利用方法まで解説 | 機械学習と情報技術" class="entry-image" /></a></p><p>PyG(PyTorch Geometric)は、PyTorchでグラフ構造を取り入れた、GCNやGATなどのニューラルネットワークを簡単に実装、学習、推論などができるライブラリです。 グラフ構造を有するオープンなデータセットへのAPIも多数あり、PyTorchでGNNのアルゴリズムを試す際には、ほぼPyG一択になるかと思います。 しかしそんな状況に...</p><p><a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/how-to-use-pyg-pytorch-geometric/"><img src="https://b.hatena.ne.jp/entry/image/https://disassemble-channel.com/how-to-use-pyg-pytorch-geometric/" alt="はてなブックマーク - 【PyG】PyTorch Geometricのインストール方法から利用方法まで解説 | 機械学習と情報技術" title="はてなブックマーク - 【PyG】PyTorch Geometricのインストール方法から利用方法まで解説 | 機械学習と情報技術" border="0" style="border: none" /></a> <a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/how-to-use-pyg-pytorch-geometric/"><img src="https://b.st-hatena.com/images/append.gif" border="0" alt="はてなブックマークに追加" title="はてなブックマークに追加" /></a></p></blockquote> 1 https://disassemble-channel.com/cross-entropy-loss/ 交差エントロピーがビジュアルで理解できる。数式なんていらんかったんや！（大嘘） disassembler 2022-11-18T13:22:08Z <blockquote cite="https://disassemble-channel.com/cross-entropy-loss/" title="交差エントロピー誤差（クロスエントロピー）— 定義・情報理論・勾配・実装を完全解説 | 機械学習と情報技術"><cite><img src="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Fdisassemble-channel.com%2Fcross-entropy-loss%2F" alt="" /> <a href="https://disassemble-channel.com/cross-entropy-loss/">交差エントロピー誤差（クロスエントロピー）— 定義・情報理論・勾配・実装を完全解説 | 機械学習と情報技術</a></cite><p><a href="https://disassemble-channel.com/cross-entropy-loss/"><img src="" alt="交差エントロピー誤差（クロスエントロピー）— 定義・情報理論・勾配・実装を完全解説 | 機械学習と情報技術" title="交差エントロピー誤差（クロスエントロピー）— 定義・情報理論・勾配・実装を完全解説 | 機械学習と情報技術" class="entry-image" /></a></p><p>ニューラルネットワークで「この画像は猫か犬か鳥か」を分類するとき、モデルの良し悪しをどう測ればよいでしょうか。単に「当たった／外れた」の正答率だけでは、学習を進めるための滑らかな手がかりになりません。「正解にどれだけ自信を持てたか」を連続的に評価し、外れているほど大きなペナルティを与える——この役...</p><p><a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/cross-entropy-loss/"><img src="https://b.hatena.ne.jp/entry/image/https://disassemble-channel.com/cross-entropy-loss/" alt="はてなブックマーク - 交差エントロピー誤差（クロスエントロピー）— 定義・情報理論・勾配・実装を完全解説 | 機械学習と情報技術" title="はてなブックマーク - 交差エントロピー誤差（クロスエントロピー）— 定義・情報理論・勾配・実装を完全解説 | 機械学習と情報技術" border="0" style="border: none" /></a> <a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/cross-entropy-loss/"><img src="https://b.st-hatena.com/images/append.gif" border="0" alt="はてなブックマークに追加" title="はてなブックマークに追加" /></a></p></blockquote> 1 https://disassemble-channel.com/graph-cora-datasets/ Coraデータセット(論文の引用・被引用関係) disassembler 2022-11-16T15:22:59Z <blockquote cite="https://disassemble-channel.com/graph-cora-datasets/" title="【グラフ構造】論文の引用データセットCoraを利用する | 機械学習と情報技術"><cite><img src="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Fdisassemble-channel.com%2Fgraph-cora-datasets%2F" alt="" /> <a href="https://disassemble-channel.com/graph-cora-datasets/">【グラフ構造】論文の引用データセットCoraを利用する | 機械学習と情報技術</a></cite><p><a href="https://disassemble-channel.com/graph-cora-datasets/"><img src="" alt="【グラフ構造】論文の引用データセットCoraを利用する | 機械学習と情報技術" title="【グラフ構造】論文の引用データセットCoraを利用する | 機械学習と情報技術" class="entry-image" /></a></p><p>Coraデータセットは、論文の引用・被引用関係を集めたデータセットであり、機械学習や深層学習の論文で非常によく利用されています。 今回は、このCoraデータセットを準備し利用する方法について、簡潔でわかりやすくまとめていきます。グラフ構造の扱いに慣れていない人など、ぜひ参考にしてみてください。 Coraデータ...</p><p><a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/graph-cora-datasets/"><img src="https://b.hatena.ne.jp/entry/image/https://disassemble-channel.com/graph-cora-datasets/" alt="はてなブックマーク - 【グラフ構造】論文の引用データセットCoraを利用する | 機械学習と情報技術" title="はてなブックマーク - 【グラフ構造】論文の引用データセットCoraを利用する | 機械学習と情報技術" border="0" style="border: none" /></a> <a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/graph-cora-datasets/"><img src="https://b.st-hatena.com/images/append.gif" border="0" alt="はてなブックマークに追加" title="はてなブックマークに追加" /></a></p></blockquote> 1 https://disassemble-channel.com/gamma-distribution/ ガンマ分布についてわかりやすく解説. disassembler 2022-11-15T14:35:45Z <blockquote cite="https://disassemble-channel.com/gamma-distribution/" title="ガンマ分布とは？期待値や分散などをわかりやすく解説 | 機械学習と情報技術"><cite><img src="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Fdisassemble-channel.com%2Fgamma-distribution%2F" alt="" /> <a href="https://disassemble-channel.com/gamma-distribution/">ガンマ分布とは？期待値や分散などをわかりやすく解説 | 機械学習と情報技術</a></cite><p><a href="https://disassemble-channel.com/gamma-distribution/"><img src="" alt="ガンマ分布とは？期待値や分散などをわかりやすく解説 | 機械学習と情報技術" title="ガンマ分布とは？期待値や分散などをわかりやすく解説 | 機械学習と情報技術" class="entry-image" /></a></p><p>ガンマ分布(Gamma distribution)は、正の実数 $\lambda \in \mathcal{R}$を確率変数の範囲にもつ、連続確率分布です。 よくベータ分布(Beta distribution)と混同されがちですが、ベータ分布は確率変数の値の範囲が0~1の確率分布なので、この2つを混同しないようにしましょう。 確率変数の範囲が実数の範囲であることから...</p><p><a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/gamma-distribution/"><img src="https://b.hatena.ne.jp/entry/image/https://disassemble-channel.com/gamma-distribution/" alt="はてなブックマーク - ガンマ分布とは？期待値や分散などをわかりやすく解説 | 機械学習と情報技術" title="はてなブックマーク - ガンマ分布とは？期待値や分散などをわかりやすく解説 | 機械学習と情報技術" border="0" style="border: none" /></a> <a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/gamma-distribution/"><img src="https://b.st-hatena.com/images/append.gif" border="0" alt="はてなブックマークに追加" title="はてなブックマークに追加" /></a></p></blockquote> 1 https://disassemble-channel.com/exponential-family/ 指数型分布属について disassembler 2022-11-13T13:36:35Z <blockquote cite="https://disassemble-channel.com/exponential-family/" title="指数型分布族とは？分かりやすく解説する | 機械学習と情報技術"><cite><img src="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Fdisassemble-channel.com%2Fexponential-family%2F" alt="" /> <a href="https://disassemble-channel.com/exponential-family/">指数型分布族とは？分かりやすく解説する | 機械学習と情報技術</a></cite><p><a href="https://disassemble-channel.com/exponential-family/"><img src="" alt="指数型分布族とは？分かりやすく解説する | 機械学習と情報技術" title="指数型分布族とは？分かりやすく解説する | 機械学習と情報技術" class="entry-image" /></a></p><p>今回の記事では、指数型分布族(exponential family)について解説していきます。中々聞き慣れない用語かもしれませんが、指数型分布族は、下記のような形式をとる確率分布の総称のことを示します。 \begin{equation} p(x | \eta) = h(x)g(\eta)exp \bigr \{ \eta^Tu(x) \bigr \} \end{equation}</p><p><a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/exponential-family/"><img src="https://b.hatena.ne.jp/entry/image/https://disassemble-channel.com/exponential-family/" alt="はてなブックマーク - 指数型分布族とは？分かりやすく解説する | 機械学習と情報技術" title="はてなブックマーク - 指数型分布族とは？分かりやすく解説する | 機械学習と情報技術" border="0" style="border: none" /></a> <a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/exponential-family/"><img src="https://b.st-hatena.com/images/append.gif" border="0" alt="はてなブックマークに追加" title="はてなブックマークに追加" /></a></p></blockquote> 1 https://disassemble-channel.com/machine-learning-tp-tn-fp-fn-confusion-matrix/ disassembler 2022-11-12T09:13:50Z <blockquote cite="https://disassemble-channel.com/machine-learning-tp-tn-fp-fn-confusion-matrix/" title="混同行列とTP/TN/FP/FN 完全ガイド — 分類モデル評価指標とROC/AUCまで | 機械学習と情報技術"><cite><img src="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Fdisassemble-channel.com%2Fmachine-learning-tp-tn-fp-fn-confusion-matrix%2F" alt="" /> <a href="https://disassemble-channel.com/machine-learning-tp-tn-fp-fn-confusion-matrix/">混同行列とTP/TN/FP/FN 完全ガイド — 分類モデル評価指標とROC/AUCまで | 機械学習と情報技術</a></cite><p><a href="https://disassemble-channel.com/machine-learning-tp-tn-fp-fn-confusion-matrix/"><img src="https://cdn-ak-scissors.b.st-hatena.com/image/square/9faac551350340c671501a617c546618629172f2/backend=imagemagick;height=90;version=1;width=120/https%3A%2F%2Fdisassemble-channel.com%2Fwp-content%2Fthemes%2Fthe-thor%2Fimg%2Fimg_no_768.gif" alt="混同行列とTP/TN/FP/FN 完全ガイド — 分類モデル評価指標とROC/AUCまで | 機械学習と情報技術" title="混同行列とTP/TN/FP/FN 完全ガイド — 分類モデル評価指標とROC/AUCまで | 機械学習と情報技術" class="entry-image" /></a></p><p>血液検査で「陽性」と告げられたとき、本当に病気である確率はどれくらいでしょうか。スパムフォルダに振り分けられたメールのうち、本当に迷惑メールなのは何割でしょうか。クレジットカードの不正利用検知システムが「正常」と判断した取引のなかに、実は不正取引はどれくらい紛れ込んでいるでしょうか。 これらの問い...</p><p><a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/machine-learning-tp-tn-fp-fn-confusion-matrix/"><img src="https://b.hatena.ne.jp/entry/image/https://disassemble-channel.com/machine-learning-tp-tn-fp-fn-confusion-matrix/" alt="はてなブックマーク - 混同行列とTP/TN/FP/FN 完全ガイド — 分類モデル評価指標とROC/AUCまで | 機械学習と情報技術" title="はてなブックマーク - 混同行列とTP/TN/FP/FN 完全ガイド — 分類モデル評価指標とROC/AUCまで | 機械学習と情報技術" border="0" style="border: none" /></a> <a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/machine-learning-tp-tn-fp-fn-confusion-matrix/"><img src="https://b.st-hatena.com/images/append.gif" border="0" alt="はてなブックマークに追加" title="はてなブックマークに追加" /></a></p></blockquote> 1 https://disassemble-channel.com/kullback-leibler-divergence/ 地味にわかりやすくまとまっている. disassembler 2022-11-10T10:07:26Z <blockquote cite="https://disassemble-channel.com/kullback-leibler-divergence/" title="KLダイバージェンス完全ガイド — 確率分布間の情報量距離を直感で理解する | 機械学習と情報技術"><cite><img src="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Fdisassemble-channel.com%2Fkullback-leibler-divergence%2F" alt="" /> <a href="https://disassemble-channel.com/kullback-leibler-divergence/">KLダイバージェンス完全ガイド — 確率分布間の情報量距離を直感で理解する | 機械学習と情報技術</a></cite><p><a href="https://disassemble-channel.com/kullback-leibler-divergence/"><img src="https://cdn-ak-scissors.b.st-hatena.com/image/square/4cce1a57ff1a7f72a8fb207d79cc38206724e027/backend=imagemagick;height=90;version=1;width=120/https%3A%2F%2Fdisassemble-channel.com%2Fwp-content%2Fuploads%2F2022%2F07%2Fkl_diver-768x741.jpeg" alt="KLダイバージェンス完全ガイド — 確率分布間の情報量距離を直感で理解する | 機械学習と情報技術" title="KLダイバージェンス完全ガイド — 確率分布間の情報量距離を直感で理解する | 機械学習と情報技術" class="entry-image" /></a></p><p>ある言語モデルが「次に来る単語」の確率を予測したとします。$P$ を真の分布、$Q$ をモデルの予測分布としたとき、「$Q$ は $P$ にどのくらい近いか」を一つの数字で表せるでしょうか。あるいは、コインを100回投げて60回表が出たとき、「表確率 $0.5$ という仮説」と「$0.6$ という仮説」のどちらが観測データ分布に近...</p><p><a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/kullback-leibler-divergence/"><img src="https://b.hatena.ne.jp/entry/image/https://disassemble-channel.com/kullback-leibler-divergence/" alt="はてなブックマーク - KLダイバージェンス完全ガイド — 確率分布間の情報量距離を直感で理解する | 機械学習と情報技術" title="はてなブックマーク - KLダイバージェンス完全ガイド — 確率分布間の情報量距離を直感で理解する | 機械学習と情報技術" border="0" style="border: none" /></a> <a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/kullback-leibler-divergence/"><img src="https://b.st-hatena.com/images/append.gif" border="0" alt="はてなブックマークに追加" title="はてなブックマークに追加" /></a></p></blockquote> 1 https://disassemble-channel.com/time-series-autocorrelation-coefficient/ 地味にわかりやすい disassembler 2022-11-09T15:18:12Z <blockquote cite="https://disassemble-channel.com/time-series-autocorrelation-coefficient/" title="【時系列解析】Pythonで自己相関係数を計算してコレログラムを描く | 機械学習と情報技術"><cite><img src="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Fdisassemble-channel.com%2Ftime-series-autocorrelation-coefficient%2F" alt="" /> <a href="https://disassemble-channel.com/time-series-autocorrelation-coefficient/">【時系列解析】Pythonで自己相関係数を計算してコレログラムを描く | 機械学習と情報技術</a></cite><p><a href="https://disassemble-channel.com/time-series-autocorrelation-coefficient/"><img src="https://cdn-ak-scissors.b.st-hatena.com/image/square/8ad69cf76e4d45d7e8fd6e90d1dea3e11fa3ba2a/backend=imagemagick;height=90;version=1;width=120/https%3A%2F%2Fdisassemble-channel.com%2Fwp-content%2Fuploads%2F2022%2F09%2Fpython_auto-768x432.png" alt="【時系列解析】Pythonで自己相関係数を計算してコレログラムを描く | 機械学習と情報技術" title="【時系列解析】Pythonで自己相関係数を計算してコレログラムを描く | 機械学習と情報技術" class="entry-image" /></a></p><p>時系列分析などに取り組んでいると、必ず自己相関グラフ（コレログラム）と呼ばれるグラフが登場します。 これは、時系列グラフにおける、自己相関係数をプロットしたもので、時系列における季節性を調査する際によく、このコレログラムを用いたりします。 とはいえ、この自己相関係数が、そもそも時系列データにおける...</p><p><a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/time-series-autocorrelation-coefficient/"><img src="https://b.hatena.ne.jp/entry/image/https://disassemble-channel.com/time-series-autocorrelation-coefficient/" alt="はてなブックマーク - 【時系列解析】Pythonで自己相関係数を計算してコレログラムを描く | 機械学習と情報技術" title="はてなブックマーク - 【時系列解析】Pythonで自己相関係数を計算してコレログラムを描く | 機械学習と情報技術" border="0" style="border: none" /></a> <a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/time-series-autocorrelation-coefficient/"><img src="https://b.st-hatena.com/images/append.gif" border="0" alt="はてなブックマークに追加" title="はてなブックマークに追加" /></a></p></blockquote> 1 https://disassemble-channel.com/python-pandas/ pandas disassembler 2022-11-09T13:50:58Z <blockquote cite="https://disassemble-channel.com/python-pandas/" title="【DataFrame】機械学習で必要なpandasの操作をまとめる | 機械学習と情報技術"><cite><img src="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Fdisassemble-channel.com%2Fpython-pandas%2F" alt="" /> <a href="https://disassemble-channel.com/python-pandas/">【DataFrame】機械学習で必要なpandasの操作をまとめる | 機械学習と情報技術</a></cite><p><a href="https://disassemble-channel.com/python-pandas/"><img src="https://cdn-ak-scissors.b.st-hatena.com/image/square/9faac551350340c671501a617c546618629172f2/backend=imagemagick;height=90;version=1;width=120/https%3A%2F%2Fdisassemble-channel.com%2Fwp-content%2Fthemes%2Fthe-thor%2Fimg%2Fimg_no_768.gif" alt="【DataFrame】機械学習で必要なpandasの操作をまとめる | 機械学習と情報技術" title="【DataFrame】機械学習で必要なpandasの操作をまとめる | 機械学習と情報技術" class="entry-image" /></a></p><p>機械学習やデータ分析をする際で、pandasは息を吸うように利用することになります。 pandasではDataFrameやSeries等のデータ構造があり、これらをうまく操作しながら、データの分析を進めることになります。今回は、pandasを扱う中で意外と使うような操作について、まとめます。 pandasのDataFrameとSeriesの基本的な構...</p><p><a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/python-pandas/"><img src="https://b.hatena.ne.jp/entry/image/https://disassemble-channel.com/python-pandas/" alt="はてなブックマーク - 【DataFrame】機械学習で必要なpandasの操作をまとめる | 機械学習と情報技術" title="はてなブックマーク - 【DataFrame】機械学習で必要なpandasの操作をまとめる | 機械学習と情報技術" border="0" style="border: none" /></a> <a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/python-pandas/"><img src="https://b.st-hatena.com/images/append.gif" border="0" alt="はてなブックマークに追加" title="はてなブックマークに追加" /></a></p></blockquote> 1 https://disassemble-channel.com/mixture-poisson-distribution-sampling/ 混合ポアソンモデルを理解するのにとてもわかりやすく説明している disassembler 2022-11-03T13:56:56Z <blockquote cite="https://disassemble-channel.com/mixture-poisson-distribution-sampling/" title="ポアソン混合モデルの生成モデルからサンプリングする | 機械学習と情報技術"><cite><img src="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Fdisassemble-channel.com%2Fmixture-poisson-distribution-sampling%2F" alt="" /> <a href="https://disassemble-channel.com/mixture-poisson-distribution-sampling/">ポアソン混合モデルの生成モデルからサンプリングする | 機械学習と情報技術</a></cite><p><a href="https://disassemble-channel.com/mixture-poisson-distribution-sampling/"><img src="https://cdn-ak-scissors.b.st-hatena.com/image/square/80cc6cbcc0468be024e84c5950bcc173b1280981/backend=imagemagick;height=90;version=1;width=120/https%3A%2F%2Fdisassemble-channel.com%2Fwp-content%2Fuploads%2F2022%2F11%2Fpoisson_distribution_sampling-768x768.jpeg" alt="ポアソン混合モデルの生成モデルからサンプリングする | 機械学習と情報技術" title="ポアソン混合モデルの生成モデルからサンプリングする | 機械学習と情報技術" class="entry-image" /></a></p><p>ベイズモデルにおいては、あるモデルを考えるときに、生成モデル(generative model)を考えます。生成モデルとは、データが生成する過程をモデル化することで、データの分布を表現する手法です。 生成モデルによる定式化を理解していないと、ベイズ手法で問題に合わせたモデルを構築することは難しいため、今回は、あえて...</p><p><a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/mixture-poisson-distribution-sampling/"><img src="https://b.hatena.ne.jp/entry/image/https://disassemble-channel.com/mixture-poisson-distribution-sampling/" alt="はてなブックマーク - ポアソン混合モデルの生成モデルからサンプリングする | 機械学習と情報技術" title="はてなブックマーク - ポアソン混合モデルの生成モデルからサンプリングする | 機械学習と情報技術" border="0" style="border: none" /></a> <a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/mixture-poisson-distribution-sampling/"><img src="https://b.st-hatena.com/images/append.gif" border="0" alt="はてなブックマークに追加" title="はてなブックマークに追加" /></a></p></blockquote> 1 https://disassemble-channel.com/kernel-method-kernel-trick/ カーネルトリックについてまとめている disassembler 2022-10-20T10:02:50Z <blockquote cite="https://disassemble-channel.com/kernel-method-kernel-trick/" title="カーネル法とカーネルトリック — 高次元写像を計算せずに非線形分類を実現する | 機械学習と情報技術"><cite><img src="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Fdisassemble-channel.com%2Fkernel-method-kernel-trick%2F" alt="" /> <a href="https://disassemble-channel.com/kernel-method-kernel-trick/">カーネル法とカーネルトリック — 高次元写像を計算せずに非線形分類を実現する | 機械学習と情報技術</a></cite><p><a href="https://disassemble-channel.com/kernel-method-kernel-trick/"><img src="https://cdn-ak-scissors.b.st-hatena.com/image/square/8a91287c0815f0c388c40e667d72a00765b9bb3a/backend=imagemagick;height=90;version=1;width=120/https%3A%2F%2Fdisassemble-channel.com%2Fwp-content%2Fuploads%2F2022%2F10%2Fkernel_trick-768x614.jpeg" alt="カーネル法とカーネルトリック — 高次元写像を計算せずに非線形分類を実現する | 機械学習と情報技術" title="カーネル法とカーネルトリック — 高次元写像を計算せずに非線形分類を実現する | 機械学習と情報技術" class="entry-image" /></a></p><p>平面に散らばった赤と青の点を、1本の直線できれいに分けたい——機械学習の入門で最初に出会う「線形分類」の問題です。ところが現実のデータはそんなに親切ではありません。赤い点が中心にかたまり、青い点がそれを取り囲むドーナツ状に並んでいたら、どんな直線を引いても分離できません。同心円という構造そのものが、...</p><p><a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/kernel-method-kernel-trick/"><img src="https://b.hatena.ne.jp/entry/image/https://disassemble-channel.com/kernel-method-kernel-trick/" alt="はてなブックマーク - カーネル法とカーネルトリック — 高次元写像を計算せずに非線形分類を実現する | 機械学習と情報技術" title="はてなブックマーク - カーネル法とカーネルトリック — 高次元写像を計算せずに非線形分類を実現する | 機械学習と情報技術" border="0" style="border: none" /></a> <a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/kernel-method-kernel-trick/"><img src="https://b.st-hatena.com/images/append.gif" border="0" alt="はてなブックマークに追加" title="はてなブックマークに追加" /></a></p></blockquote> 1 https://cookie-box.hatenablog.com/entry/2018/12/14/023016 すごい記事。 disassembler 2022-09-22T19:36:56Z <blockquote cite="https://cookie-box.hatenablog.com/entry/2018/12/14/023016" title="雑記： Schur 補行列と Sherman-Morrison-Woodbury の公式とカルマンフィルタとガウス過程回帰の整理 - クッキーの日記"><cite><img src="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Fcookie-box.hatenablog.com%2Fentry%2F2018%2F12%2F14%2F023016" alt="" /> <a href="https://cookie-box.hatenablog.com/entry/2018/12/14/023016">雑記： Schur 補行列と Sherman-Morrison-Woodbury の公式とカルマンフィルタとガウス過程回帰の整理 - クッキーの日記</a></cite><p><a href="https://cookie-box.hatenablog.com/entry/2018/12/14/023016"><img src="https://cdn-ak-scissors.b.st-hatena.com/image/square/e804ab808c95b793a20c9f32a44c0062ef06ca68/backend=imagemagick;height=90;version=1;width=120/https%3A%2F%2Fcdn.image.st-hatena.com%2Fimage%2Fscale%2Ff7675cad2e068781cd1363e68335f34bffe7e73f%2Fbackend%3Dimagemagick%3Bversion%3D1%3Bwidth%3D1300%2Fhttps%253A%252F%252Fcdn.blog.st-hatena.com%252Fimages%252Ftheme%252Fog-image-1500.png" alt="雑記： Schur 補行列と Sherman-Morrison-Woodbury の公式とカルマンフィルタとガウス過程回帰の整理 - クッキーの日記" title="雑記： Schur 補行列と Sherman-Morrison-Woodbury の公式とカルマンフィルタとガウス過程回帰の整理 - クッキーの日記" class="entry-image" /></a></p><p>公式の証明はありません（参考文献の1つ目に詳しいのでそちらをご参照ください）。何か問題点がありましたらご指摘いただけますと幸いです。 参考文献Sherman-Morrison-Woodburyの公式 (Schur補行列) - いんふらけいようじょのえにっきパターン認識と機械学習 上 (ベイズ理論による統計的予測) | C.M. ビショップ, 元田 ...</p><p><a href="https://b.hatena.ne.jp/entry/s/cookie-box.hatenablog.com/entry/2018/12/14/023016"><img src="https://b.hatena.ne.jp/entry/image/https://cookie-box.hatenablog.com/entry/2018/12/14/023016" alt="はてなブックマーク - 雑記： Schur 補行列と Sherman-Morrison-Woodbury の公式とカルマンフィルタとガウス過程回帰の整理 - クッキーの日記" title="はてなブックマーク - 雑記： Schur 補行列と Sherman-Morrison-Woodbury の公式とカルマンフィルタとガウス過程回帰の整理 - クッキーの日記" border="0" style="border: none" /></a> <a href="https://b.hatena.ne.jp/entry/s/cookie-box.hatenablog.com/entry/2018/12/14/023016"><img src="https://b.st-hatena.com/images/append.gif" border="0" alt="はてなブックマークに追加" title="はてなブックマークに追加" /></a></p></blockquote> 1 https://cookie-box.hatenablog.com/entry/2021/01/31/223006 この記事の凄さ disassembler 2022-09-22T19:08:36Z <blockquote cite="https://cookie-box.hatenablog.com/entry/2021/01/31/223006" title="雑記： 分散共分散行列のベイズ更新の話 - クッキーの日記"><cite><img src="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Fcookie-box.hatenablog.com%2Fentry%2F2021%2F01%2F31%2F223006" alt="" /> <a href="https://cookie-box.hatenablog.com/entry/2021/01/31/223006">雑記： 分散共分散行列のベイズ更新の話 - クッキーの日記</a></cite><p><a href="https://cookie-box.hatenablog.com/entry/2021/01/31/223006"><img src="https://cdn-ak-scissors.b.st-hatena.com/image/square/61e0e23641b75eaf1c30b51e2fe354e8311572d4/backend=imagemagick;height=90;version=1;width=120/https%3A%2F%2Fcdn.image.st-hatena.com%2Fimage%2Fscale%2F0d943160c7d9a57cb82c79c4b992667e6f0f4580%2Fbackend%3Dimagemagick%3Bversion%3D1%3Bwidth%3D1300%2Fhttps%253A%252F%252Fcdn-ak.f.st-hatena.com%252Fimages%252Ffotolife%252Fc%252Fcookie-box%252F20210202%252F20210202184504.png" alt="雑記： 分散共分散行列のベイズ更新の話 - クッキーの日記" title="雑記： 分散共分散行列のベイズ更新の話 - クッキーの日記" class="entry-image" /></a></p><p>2021-02-02 絵を追加しました。いろいろな場面（カルマンフィルタ、ガウス過程回帰など、直接観測できない何かの分布をその線形変換の観測からベイズ更新する場面）で以下の問が出てくると思います。 は確率ベクトルでその事前分布は平均 で分散共分散行列が の多変量正規分布です。 も確率ベクトルで です。 は行列です...</p><p><a href="https://b.hatena.ne.jp/entry/s/cookie-box.hatenablog.com/entry/2021/01/31/223006"><img src="https://b.hatena.ne.jp/entry/image/https://cookie-box.hatenablog.com/entry/2021/01/31/223006" alt="はてなブックマーク - 雑記： 分散共分散行列のベイズ更新の話 - クッキーの日記" title="はてなブックマーク - 雑記： 分散共分散行列のベイズ更新の話 - クッキーの日記" border="0" style="border: none" /></a> <a href="https://b.hatena.ne.jp/entry/s/cookie-box.hatenablog.com/entry/2021/01/31/223006"><img src="https://b.st-hatena.com/images/append.gif" border="0" alt="はてなブックマークに追加" title="はてなブックマークに追加" /></a></p></blockquote> 3 https://disassemble-channel.com/joint-probability-marginalization/ 地味に役立つ。忘れがちだけど。確率変数における周辺化や周辺分布について disassembler 2022-09-22T16:37:56Z <blockquote cite="https://disassemble-channel.com/joint-probability-marginalization/" title="周辺化と周辺分布 — 同時分布から個別変数の確率を取り出す数学的操作 | 機械学習と情報技術"><cite><img src="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Fdisassemble-channel.com%2Fjoint-probability-marginalization%2F" alt="" /> <a href="https://disassemble-channel.com/joint-probability-marginalization/">周辺化と周辺分布 — 同時分布から個別変数の確率を取り出す数学的操作 | 機械学習と情報技術</a></cite><p><a href="https://disassemble-channel.com/joint-probability-marginalization/"><img src="https://cdn-ak-scissors.b.st-hatena.com/image/square/3590dcba685f2030ca7bf27565fc8544ed3f5645/backend=imagemagick;height=90;version=1;width=120/https%3A%2F%2Fdisassemble-channel.com%2Fwp-content%2Fuploads%2F2022%2F09%2Fmarginalization-1-768x638.png" alt="周辺化と周辺分布 — 同時分布から個別変数の確率を取り出す数学的操作 | 機械学習と情報技術" title="周辺化と周辺分布 — 同時分布から個別変数の確率を取り出す数学的操作 | 機械学習と情報技術" class="entry-image" /></a></p><p>表の中央の4セル × 3行 = 6つの値が同時分布 $p(x, y)$、右端の列が $p(x) = \sum_y p(x,y)$ の周辺、下端の行が $p(y) = \sum_x p(x,y)$ の周辺です。これがまさに「表の余白に現れる確率」 = 周辺確率。すべての値を足し上げると全確率 1.0 になることも確認できます。 ここで重要な注意点があります。周辺分布だけを...</p><p><a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/joint-probability-marginalization/"><img src="https://b.hatena.ne.jp/entry/image/https://disassemble-channel.com/joint-probability-marginalization/" alt="はてなブックマーク - 周辺化と周辺分布 — 同時分布から個別変数の確率を取り出す数学的操作 | 機械学習と情報技術" title="はてなブックマーク - 周辺化と周辺分布 — 同時分布から個別変数の確率を取り出す数学的操作 | 機械学習と情報技術" border="0" style="border: none" /></a> <a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/joint-probability-marginalization/"><img src="https://b.st-hatena.com/images/append.gif" border="0" alt="はてなブックマークに追加" title="はてなブックマークに追加" /></a></p></blockquote> 3 https://disassemble-channel.com/roadmap-to-kalmanfilter/ ゼロからカルマンフィルタ を理解する disassembler 2022-09-14T12:58:33Z <blockquote cite="https://disassemble-channel.com/roadmap-to-kalmanfilter/" title="【ロードマップ】ゼロから理解するカルマンフィルタ | 機械学習と情報技術"><cite><img src="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Fdisassemble-channel.com%2Froadmap-to-kalmanfilter%2F" alt="" /> <a href="https://disassemble-channel.com/roadmap-to-kalmanfilter/">【ロードマップ】ゼロから理解するカルマンフィルタ | 機械学習と情報技術</a></cite><p><a href="https://disassemble-channel.com/roadmap-to-kalmanfilter/"><img src="https://cdn-ak-scissors.b.st-hatena.com/image/square/705b59ea6ba4ad25b92fecbbaf93ef28f028ca95/backend=imagemagick;height=90;version=1;width=120/https%3A%2F%2Fdisassemble-channel.com%2Fwp-content%2Fuploads%2F2022%2F09%2Froadmap_kalmanfilter-768x638.jpeg" alt="【ロードマップ】ゼロから理解するカルマンフィルタ | 機械学習と情報技術" title="【ロードマップ】ゼロから理解するカルマンフィルタ | 機械学習と情報技術" class="entry-image" /></a></p><p>【ロードマップ】ゼロから理解するカルマンフィルタ Posted: 2022/09/14, Category: カルマンフィルタ , ベイズ統計 , ロードマップ , 制御工学 , 機械学習 , 統計学 ゼロから理解するロードマップシリーズ、第一弾は「ゼロから理解するカルマンフィルタ 」です。 ゼロから理解するシリーズでは、知識ゼロから目的のアル...</p><p><a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/roadmap-to-kalmanfilter/"><img src="https://b.hatena.ne.jp/entry/image/https://disassemble-channel.com/roadmap-to-kalmanfilter/" alt="はてなブックマーク - 【ロードマップ】ゼロから理解するカルマンフィルタ | 機械学習と情報技術" title="はてなブックマーク - 【ロードマップ】ゼロから理解するカルマンフィルタ | 機械学習と情報技術" border="0" style="border: none" /></a> <a href="https://b.hatena.ne.jp/entry/s/disassemble-channel.com/roadmap-to-kalmanfilter/"><img src="https://b.st-hatena.com/images/append.gif" border="0" alt="はてなブックマークに追加" title="はてなブックマークに追加" /></a></p></blockquote> 1