SVM-Lightの機能 SVM-Lightは、サポートベクターマシンを利用するためのツールであり、C言語で記述されています。SVM-Lightの主な特徴を以下に挙げます。 高速で最適化をするためのアルゴリズム 分離、回帰の両問題を解くことができる αの誤差率、精度を計算 何千ものサポートベクターを扱うことができる 数万の学習データにも対応 よく知られるカーネル関数に加え、あなた自身が定義した関数の利用が可能 要素の多くが0であるデータに最適 SVM-Lightをもとにしたサポートベクター回帰(SVR)はAI-UnitのmySVMで利用できます。 SVM-Lightについて SVM-LightはVapnik氏が考案したパターン認識装置サポートベクターマシンを実装したものです。最適化アルゴリズムはJoachims氏による提案を採用しています。このアルゴリズムは必要メモリ量を計測し、また、効率

これで解決！ ラグランジュの未定乗数法解説ムービー (Youtube)　所要時間：20分 ラグランジュの未定乗数法とは、変数（λ）を新たに導入するだけで制約条件つきの最小、最大値問題を簡単に解く方法です。例えば、下の練習問題１を見てみましょう。"subject to～"とは、「～という制約条件のもとで」という意味です。ひとつの制約条件を満たしながら、関数 f を最小化しなさい、という問題です。よく見るとx1, x2というように、変数が二つありますね。二変数なので、じつは高校の知識で解けてしまいます。しかし、ラグランジュの未定乗数法が広くもちいられているのは、変数がもっと増えても一気に解く事が可能だからです。「これで解決！大学数学」のラグランジュ未定乗数法の巻では、直感的な理解をめざしたグラフ解法によって、λという変数を置く必要性について考えていきます。まずは、ムービーを見ながら練習問題１を

参照: ベイズ統計 & MCMC, R で JAGS (rjags 編), R で JAGS (runjags 編) ここは JAGS に関してのあれこれを書いてます [もくじ] JAGS とは R から JAGS を使う WinBUGS との比較，みたいなもの JAGS でできないこと JAGS インストールの注意 (Windows7) --- 古い情報? JAGS とは JAGS - Martyn Plummer さん (R コアメンバーの一人でもある) が作った Just Another Gibbs Sampler，簡単にベイズモデルを記述でき，MCMC (Markov Chain Monte Carlo) 計算によってベイズ推定ができます JAGS News: 開発 blog 作者 Martyn Plummer さんによる解説 こちらのペイジ にある manual (PDF fil

サービス終了のお知らせ いつもYahoo! JAPANのサービスをご利用いただき誠にありがとうございます。 お客様がアクセスされたサービスは本日までにサービスを終了いたしました。 今後ともYahoo! JAPANのサービスをご愛顧くださいますよう、よろしくお願いいたします。

Recently I was experimenting with ruby bayes classification. At first sight it looks like a difficult topic, but with the right libraries it is interesting and funny. Before you start experimenting, you have to install 3 gems. gem install classifier gem install madeleine Confirm the required stemmer gem. For the beginning, lets experiment with the plain bayes classifier. require 'classifier' bayes

インストール † 展開するときにディレクトリーを作ってくれないので注意しましょう． mkdir svm_light mv svm_light.tar.gz gunzip -c svm_light.tar.gz | tar xvf - make all gunzipの-cオプションは圧縮ファイルをそのままにして伸張した結果を標準出力に書き出すもので，tarの引数-は標準入力から入力されたファイルを展開するものです． これだとコンパイルだけで，パスを通さないと使えません． パスが通っているところにコンパイルされたファイルを移動させると，いつでもターミナルから実行できるようになります． sudo mv svm_learn svm_classify /usr/local/bin make clean 最後のmake cleanは不要になったファイルを消すためのオマケです． コンパイルでできたファイ

Test Collections Reuters-21578 Currently the most widely used test collection for text categorization research, though likely to be superceded over the next few years by RCV1. The data was originally collected and labeled by Carnegie Group, Inc. and Reuters, Ltd. in the course of developing the CONSTRUE text categorization system.  Further details, including discussion of previous versions of the

■上巻 第1章: 序論 序論ではまずパターン認識の最も簡単な例として多項式曲線フィッティングを取り上げ、パターン認識・機械学習の基本的な枠組みを紹介する。そしてベイズの定理や統計量などの確率論の基礎を導入し、確率論の観点から再び曲線フィッティングを扱う。不確実性はパターン認識の分野における鍵となる概念であり、確率論はこれを定量的に取り扱うための一貫した手法を与えるため、この分野における基礎の中心を担っている点で重要である。 また、回帰・識別の実際の取り扱いに際して必要となる決定理論や、パターン認識・機械学習の理論において役立つ情報理論の導入についても行う。 発表資料はこちら(ppt)とこちら(ppt)。前半では多項式曲線フィッティングの例およびベイズ的確率を、後半では決定理論および情報理論を取り扱っている。 第2章: 確率分布 第2章では二項分布や多項分布、ガウス分布といった各種の確率分布

脳を理解し BESOM モデルを拡張するために必要な知識の 良質な情報源を、独断で選んで紹介します。 （ 2014-06-04 更新） （2013-02-07: 内容が一部古くなっています。 また、少し敷居を上げ過ぎた感があるので、もう少し絞り込んで整理し直したいと思っています。） ★★★・・・ 必読。脳を理解しようとする人は必ず目を通すべきだと思います。 ★・・・ おすすめ。大変役に立ちます。 * こちらもご覧ください。 「脳を理解するための情報源メモ」更新予定メモ 目次 脳科学全般 機械学習 パターン認識、 自己組織化マップ、 ベイジアンネット、 独立成分分析、 主成分分析、 強化学習、 特徴選択、 正則化、 フレーム、 Deep Learning 認知科学・心理学 遂行機能、 事象関連電位、 アフォーダンス、 選択的注意 神経科学 神経解剖学、 計算論的神経科学 哲学 意識、 自由意