You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
The document discusses Bayesian neural networks and related topics. It covers Bayesian neural networks, stochastic neural networks, variational autoencoders, and modeling prediction uncertainty in neural networks. Key points include using Bayesian techniques like MCMC and variational inference to place distributions over the weights of neural networks, modeling both model parameters and prediction
はじめに 2018年8月19日から23日にかけてロンドンで行われたKDD2018(データマイニングの世界的なカンファレンス)に採択されていた『Customized Regression Model for Airbnb Dynamic Pricing』なる論文を読みました。 Airbnbで実装されている価格推薦モデルについての論文で、 ビジネス・ユーザー視点を取り入れており、 「価格を下げれば予約されていた」と、「もっと価格を上げていてもよかった」というニーズ それをうまくモデル化していて、 上記を損失関数として定量化 さらにシンプルな構造で理解しやすい ①予約確率の予測→②最適価格の提案→③パーソナライズと、マクロ→ミクロに落ちていく構造 という点において優れたデータサイエンスの応用例であると感じたため、主要な論点を要約しつつ解説に取り組んでみようかと思います。 はじめに 論文の要旨 最
1. どんなもの? 少ないラベル付きデータとラベルなしデータを元に距離埋め込み (neighbor embedding) を学習する、半教師あり学習を提案 2. 先行研究と比べてどこがすごいの? 従来のニューラルネットワークの学習では学習データに対してラベルを推定する枠組みであったが、ラベル付きの学習データが少ない場合に容易に過学習を引き起こす。 本研究ではラベル付きの学習データに対して距離埋め込み (neighbor embedding) を推定する枠組みを導入することで、ラベルなしデータも含めて学習を行い精度を向上させた。 3. 技術や手法の”キモ”はどこにある? Embedding同士の距離比較による学習 (neighbor embedding) 学習データ バッチサイズ分サンプリング クラスのラベル付きデータ を各クラス1サンプルずつサンプリング 学習データをembeddingした
ドーモ。ホクソエムの @u_ribo です。本業ではモデリングとは離れたギョームをしています。寂しくなったので、Rのrecipesパッケージについて紹介します。 tidymodels.github.io モデルに適用するデータの前処理 Rでのモデル式 (model formula) の記述って、利用時に不便を感じることや覚えるのが難しい面が時々ありませんか?例えば、y ~ .」は右辺のドットが、目的変数以外の全ての変数を説明変数として扱うことを示しますが、説明変数に対数変換などの変数変換を行うにはy ~ log(.)という記述はできず、結局、説明変数を「+」でつなげていくことになります。また、交互作用項の指定には「x1 * x2」や「(x1 + x2)^2」、「:」を使う表記が可能ですが、この表記には最初は混乱しませんか?(単に私が不勉強なだけということもあります) 加えて、多くのモデルで
米調査会社のガートナーは、先進テクノロジーに関するハイプサイクルの2018年版「Hype Cycle for Emerging Technologies, 2018」を発表しました。 2018年版のハイプサイクルで取り上げられた35の先進テクノロジーは、2000を超えるテクノロジーを分析したうえで抽出されたもので、人とマシンの境界を曖昧にする5つの先進テクノロジートレンドを形成しているとガートナーは説明しています。 いくつかハイプサイクル上で注目されるテクノロジーをピックアップしてみると、黎明期には汎用AI、量子コンピューティング、ディープ・ニューラル・ネットワーク向けASICなどが並びます。 「過度な期待」のピーク期には、ブレイン・コンピュータインタフェース、ディープニューラルネット、IoTプラットフォーム、ブロックチェーンなど。 「幻滅期には複合現実、拡張現実などが並んでいます。 ハイ
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