広津先生による時系列のクラスタリング手法の実装 - StatModeling Memorandum
お正月に広津先生のクラスタリング手法をRで実装しました。個体ごとの時系列データをクラスタリングするのに使えます（実際は時系列ではなく一般の2-wayのデータに適用できます）。 個人的に感じる適正なサンプルサイズと時点のサイズはおよそ、10～1000個体、4～30時点程度です。これ以上時点が多い場合は、状態空間モデルなどの方がよいと思われます。 参考文献として以下の3つを挙げます。 [1] Hirotsu, C.（2009）: Clustering rows and/or columns of a two-way contingency table and a related distribution theory. Computational Statistics and Data Analysis 53, 4508-4515 [2] 広津千尋 (2004) : 交互作用は相互作用？2 コ
勾配ブースティング決定木を理解する - hiyoko9t’s blog
本記事では、機械学習コンペなどでよく見られる勾配ブースティング決定木(gradient boosting decision tree)を説明します。勾配ブースティング決定木は、MNISTデータに対して、ニューラルネットの最高精度と同等の精度を出したり、また高速な実装xgboostなどで有名な手法です。ライブラリを使用している方も多いと思いますが、意外とどのような構造になっているかを知らない人もいるかもしれません。 そこで、本記事では、決定木とは何か、というところから始めて、アンサンブル学習、勾配ブースティング決定木について見ていきます。 決定木 情報利得 アンサンブル学習 バギング ブースティング 勾配ブースティング決定木 各反復での訓練 モデルの複雑性 最適解の導出 実装例 まとめ 参考 決定木 決定木(decision tree)は、データに対して一連の質問を与えることによって、目標に
NIPS 2017 Proceedings
Advances in Neural Information Processing Systems 30 (NIPS 2017) The papers below appear in Advances in Neural Information Processing Systems 30 edited by I. Guyon and U.V. Luxburg and S. Bengio and H. Wallach and R. Fergus and S. Vishwanathan and R. Garnett. They are proceedings from the conference, "Neural Information Processing Systems 2017." Wider and Deeper, Cheaper and Faster: Tensorized LST
NIPS2017 気になった論文10本まとめてみる - May the Neural Networks be with you
こんにちは@shunk031です。好きな食べ物はニューラルネットワークです。 Advent Calendarの季節に乗じてブログを更新してみようと思います。 機械学習のトップカンファレンスであるNIPS2017が12月4日から9日にかけてアメリカのロングビーチにて行われます。先日NIPS2017のProceedingsが公開され、Acceptされた論文が読めるようになっています。 今回個人的に気になった論文10本について、ざっくりとした内容を載せたいと思います。Acceptされた多数の論文の中で詳細に読むものを選ぶ基準として使ってもらえたりしたら幸いです。 目次 目次 Regularizing Deep Neural Networks by Noise: Its Interpretation and Optimization DropoutNet: Addressing Cold Star
The gold standard: not a golden standard - PMC
Studies that evaluate a new diagnostic test, procedure, or method should do so by comparing it with a time honoured alternative that is considered to be the current standard in the field. In this context the meaning of the word standard is “authoritative or recognised exemplar of quality or correctness.” “Gold standard” is the popular term to describe this test; but “golden standard” is sometimes
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
Trimmed Density Ratio Estimation
Peace第3回シンポジウム 「腑に落ちる理解」の視点による認知へのアプローチの再考