cl-random-forestでランダムフォレストの決定境界を描いてみる
cl-random-forestでは通常のランダムフォレストに加えて、ランダムフォレストの構造を使って特徴抽出し、それを線形分類器で再学習するという手法を実装している(Global refinement of random forest)。 通常のランダムフォレストに対して、この手法がどういう分類をしているかを見るために、二次元のデータでの実際の分類結果を可視化してみる。 参考: パッケージユーザーのための機械学習(5)：ランダムフォレスト このエントリではXORのデータで、綺麗に分かれている場合とかなりオーバーラップしている場合 とでランダムフォレストの決定境界を描いている。データはそれぞれのリンク先にある。 ランダムフォレストを構築 まずはXORのデータからランダムフォレストを構築する。完全なコードはここにある。 (defparameter *target* (make-array 1
Clojure機械学習勉強 - core.matrix（その１） - Arantium Maestum
前置き Clojure Advent Calendarで機械学習ネタで記事を書くことを宣言してしまった。どうしよう。 C++、Python、Matlab\Octaveあたりではちょこちょこと（業務も含めて）機械学習はやったことがあるが、Clojureでは「JVMだし数値計算はしたくないよねー」とlisp.meetupの懇親会でネタにしまくっていたというのに。 機械学習なんて大量のデータを行列に投げ込んで出来るだけ早くぶん回すような世界なんだから、C++（かFortran！）コードを呼び出して行列データ構造で計算するのが正しいだろうし、それってJVMでしかも関数型な言語でやるのは筋悪なんじゃないか？というのが直感的な意見だし、lisp.meetupの他の参加者からも概ね同意を得ていた。*1 まあ多分実際にその通りなのだが、そこはほら、ものは試しということで、Clojureでどこまでやれるのか
Proceedings of Machine Learning Research
[edit] Volume 48: International Conference on Machine Learning, 20-22 June 2016, New York, New York, USA [edit] Editors: Maria Florina Balcan, Kilian Q. Weinberger [bib][citeproc] No Oops, You Won’t Do It Again: Mechanisms for Self-correction in Crowdsourcing Nihar Shah, Dengyong Zhou; Proceedings of The 33rd International Conference on Machine Learning, PMLR 48:1-10 [abs][Download PDF][Supplement
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
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
