多次元ガウス分布の精度行列のベイズ推論を行う際にあらわれる行列ガンマ分布: \begin{align*} \textrm{MGam}(\Lambda|a,B) &= C(a,B) |\Lambda|^{a-1}\exp\{-\langle B, \Lambda\rangle\} \end{align*} の規格化定数 \begin{align*} C(a,B)^{-1} &= \int_{\Lambda\in \mathrm{Sym}_+(d)} |\Lambda|^{a-1}\exp\{-\langle B, \Lambda\rangle\}\,d\Lambda \end{align*} の計算方法について述べます. 計算したくなる場合: 多次元ガウス分布の精度行列のベイズ推論をしたいとき 一次元ガウス分布の精度行列のベイズ推論をする際には, 事前分布としてガンマ分布が表れました. 事前
KDD 2018 | Customized Regression Model for Airbnb Dynamic Pricing 民泊サービス Airbnb において, host (部屋を提供する人,ホスト) に対して「この値段で部屋を貸すと良い」と価格を提案する機能を実装するための技術. 予約 (booking) が入るかどうかの予測を行う その上で最適な価格を提示する という二つの方法を取る. この論文の貢献は以下の二つ. 価格の決定方法を評価する指標を提案していること その指標にもとづき価格を提示するモデルを学習する方法を考えたこと なぜ需要の推定が難しいか 「価格を決定する」というのは非常に古典的な問題.一般的には需要関数を求めて面積が最大となるような価格 を提案する.このとき,需要関数は価格のみの関数 である. しかし, Airbnb では需要は価格だけではなく,時刻 およびそ
“ときめくモノをあつめよう”というテーマを元に日々運営している当メディア「monograph」ですが、このテーマには良いところもあればもちろん悪いところも存在します。 良いところは”ときめくモノ”に囲まれていれば、必然的に毎日が楽しくなるということ。朝の目覚ましから毎日の食器洗い、洗濯と、普段の生活の中に気分が上がるモノが散りばめられていれば、それだけで自然と毎日が軽やかに、少しだけ輝いて見えるようになります。 悪いところは、”ときめかないモノは買えない”ということ。 このルールを敷くようになってから無駄遣いと思うような買い物は極端に減ったのですが、自分が100%満足するモノ以外を買うことができなくなってしまいました。80点、90点のモノは要らないんです。目移りをしないように、心から胸を張れる一つがほしい。 そんなマイルールによる弊害で、今までずっと家の中に無かったモノがありました。 それ
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