![](https://cdn-ak-scissors.b.st-hatena.com/image/square/7a3163b308e706b7100d433d091fd6d17ff774f5/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBzb2JlaXQlNDBnaXRodWImdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPWY3ZTM1NDYyNGZmZWUzOTU4NDhlNmVjNDNlZTBjODQ5%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3Dbaacb38459ce41bc3dce7c70649ac7f0)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
記事へのコメント1件
- 注目コメント
- 新着コメント
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
はじめてのパターン認識 第4章 確率モデルと識別関数 前半(観測データの線形変換) - Qiita
4章では、確率モデルと識別関数について扱う。この投稿では4章前半についてまとめる。読書会向けのま... 4章では、確率モデルと識別関数について扱う。この投稿では4章前半についてまとめる。読書会向けのまとめなので、手元に本があること前提で記載。(けっこう大事な章なので説明はのちのち適宜追加予定) 4章前半の内容 4章前半(4.1節)では、より良い識別とモデルを得るためにデータの持つ測定単位の差異を吸収したり特徴間の相関を無くすための操作として、観測データの線形変換について述べられている。 観測単位や特徴間の相関を無くすためには、データの分布を示すなんらかの統計量が必要となる。代表的なものとして平均ベクトルと共分散行列(分散・共分散行列)があり、確率分布のパラメータと呼ばれる。 4.1 観測データの線形変換 4.1.1 平均ベクトルと共分散 【本編に進む前に数学から離れている人向けの復習①】 分散: 各データが平均値(期待値)からどれだけ離れて散らばっているかを示すもの 通常平均値とデータの距離
2016/05/03 リンク