「言語処理のための機械学習入門」を参考に各種モデルに対するEMアルゴリズムを実装したよ - nokunoの日記
Amazonにもレビューを書いたのですが、高村さんの「言語処理のための機械学習入門」を読みました。実はこの本を読むのは2回目で、1回目はドラフト版のレビューをさせていただく機会があったのですが、そのときは「言語処理研究者のための機械学習入門」というタイトルで、ちょっと敷居が高いのではないかとコメントしたら「研究者」の部分が削られたという経緯があったりしました。 それはともかくとして、以前読んだときは時間もなくて実装までする暇はなかったのですが、今度はもうちょっとじっくり読みたいなということで、このブログに書いてみようと思います。EMアルゴリズムは教師なし学習を確率モデルと最尤推定でやろうとするときに必ず出てくる手法で、隠れ変数や欠損値を含む色々なモデルに適用できる汎用的なフレームワークになっています。一般的には混合ガウス分布の場合をまず説明して、それがk-means法の一般化した形になって
神嶌 敏弘 - Toshihiro Kamishima
神嶌 敏弘 Toshihiro Kamishima 機械学習やデータマイニング，特に，公平性配慮型機械学習と推薦システムや個人化技術の研究に取り組んでいます． 連絡先 電子メール mail [AT] kamishima.net ホームページ https://www.kamishima.net/jp/ Twitter @shima__shima (Togetter) リンク DBLP, Google Scholar, ResearchGate, SpeakerDeck, CiNii PGP Key Fingerprint: CEBD 62F2 FD65 7CFF A052 F15F 2FAA 5AC7 6561 1BE5 受賞 2003 第17回人工知能学会全国大会優秀賞 (受賞発表文献) 2008 第22回人工知能学会全国大会優秀賞 (受賞発表文献) 2009 人工知能学会功労賞 2011
1
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
処理を実行中です
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
