FrontPage - 情報論的学習理論と機械学習の「朱鷺の杜Wiki」
朱鷺の杜Wiki（ときのもり うぃき）† 朱鷺の杜Wikiは，機械学習に関連した，データマイニング，情報理論，計算論的学習理論，統計，統計物理についての情報交換の場です．これら機械学習関係の話題，リンク，関連事項，書籍・論文紹介などの情報を扱います． 更新されたページを確認するにはRSSリーダを使って右下のRSSリンクをチェックするか，最終更新のページを参照してください． ページの中でどこが更新されたかを見るには，上の「差分」をクリックして下さい． 数式の表示に MathJax を利用しています．数式の上でコンテキストメニューを使うと各種の設定が可能です．特に設定をしなくても数式は閲覧できますが，フォントをインストールすれば数式の表示がきれいで高速になります．詳しくは 数式の表示 のページを参照して下さい． ごく簡単なWikiの使い方がこのページの最後にあります．トップページやメニューなど
Top Data Science Tools for 2022 - KDnuggets
DuckDB DuckDB is a relational table-oriented database management system that supports SQL queries for generating data analytics. It was designed to run faster analytical queries workloads. It also provides integration for R, Python, and Java. You can integrate it with your current data stack to produce analytical results. I usually use it for running analytics on .csv files and storing web app log
ベイジアンの逆襲 | 大和総研
最近、コンピュータ業界ではベイズ理論が注目を集めているという。ベイズ理論とはいったいどんなもので、どのように応用されているのだろうか。 ベイズ理論とは、英国の長老派教会派の牧師であったトマス・ベイズ（1702-61）により築かれた確率の原理である（注1）。ベイズが発見したといわれる定理によれば、原因から結果が生ずる確率が与えられると、結果が原因から生ずる確率が分かる。数学的に述べれば、ベイズの定理とは、事象EとHに対して、HならばEという条件付き確率P(E|H)と、EならばHという条件付き確率P(H|E)を結びつけるものである（注2）。Ｅという事象を観測することで、Ｈに関する確信度を示すHの確率分布が正確になる（注3）。これをベイズ更新という。 ベイズ理論では、原因の分布を最初に主観的に選び、データが観測される度にこれを更新するため、帰納的主観的であるといわれる。ベイズ統計学の研究者達は、
教師なし単語分割の最前線。ベイズ meets 言語モデル - 武蔵野日記
今日は daiti-m さんの教師なし単語分割話と id:nokuno さんの Social IME 話を聞きに行くため、仕事を午前中で終えて一路本郷へ。第190回自然言語処理研究会(通称 NL 研、えぬえるけんと発音する)。六本木から大江戸線で麻布十番、南北線に乗り換えて東大前で降りたのだが、ちょっと失敗して10分以上 Social IME の話を聞き逃してしまう。残念。 というわけで最初の発表については nokuno さん自身による発表スライドおよびshimpei-m くんのコメントを見てくれたほうがいいと思うが、個人的に思うのは(直接も言ったけど)研究発表とするならポイントを絞ったほうがいいんじゃないかなと。 研究の背景と目的 従来手法の問題点を指摘 それらを解決できる手法を提案(3つ) までは非常にいいのだが、そこから先がそのうちの1つしか説明・評価していないので、ちょっと述べてい
ベイジアンフィルターで日本語を分類する。 - ザリガニが見ていた...。
ベイジアンフィルターで日本語を取り扱う時に問題になってくるのが、文章を品詞レベルに分解する処理。英語の場合は、文章はスペースで区切られた品詞の集合で構成されるため、余分なことをせずに簡単に処理できる。例えば、'How do I set up an AirPort wireless network?'という文章の場合、ベイジアンフィルターは、スペースで区切られた単語を、分類するための判断材料として自動的に取り込んでくれる。 ところが、日本語の場合は、「エアポートの無線ネットワークはどうやって設定しますか？」という文章を、「エアポート の 無線 ネットワーク は どう やっ て 設定 し ます か ？ 」のように、品詞をスペースで区切った文章に変換して、ベイジアンフィルターに渡してあげる必要があるらしい。これはすごく高度な作業だ。自分のレベルではどうやっても出来ない。 そこで、この高度な作業を
ベイズの定理でプロジェクトの失敗を予測
データを確率の枠組みでとらえる「ベイズの定理」 今回は「ベイズの定理」を概説し、この定理をプロジェクト管理にどのように利用するのか説明します。「ベイズの定理」は確率論や統計学において知られている定理であり、さまざまな事象に関するデータを確率論の枠組みで取り扱うことができるという点で有用な定理です。 確率論の枠組みでデータをとらえることができるという点は、確率や統計の知識のある方にとっては特に大きな利点であるように思えないと思いますが、これがまさにベイズの定理の特徴であるということを説明します。 なおベイズの定理はさまざまな応用があります。この定理を使った内容を総じて「ベイズ的」もしくは「ベイジアン」（Bayesian）と呼びます。今回は、ページ数の都合もあり、ベイズ的意志決定に焦点を当て、特にプロジェクト管理における課題を例として説明していきます。 統計を用いた意思決定 ベイズ的意思決定の
協調フィルタリング技術を掘り下げる--ECサイトのレコメンド技術を考える（3）
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます 前回は、ECサイトのレコメンド技術の種類として、ルールベース方式、コンテンツベースフィルタリング方式、協調フィルタリング方式、ベイジアンネットワーク方式の4つを紹介した。今回は、これらのレコメンド方式をより細分化した上で、協調フィルタリングのロジックについて解説したい。 4つのレコメンド方式は、「レコメンドするために必要な情報は何なのか」、「何をもってレコメンドするためのルールとするか」という切り口で分類していると解説した。それぞれのレコメンド方式は、さらに「どの判別属性を軸にレコメンドアイテムを決定しているのか」という切り口によって細分化できる。その判別属性とは、アイテムベース、ユーザーベース、ユーザー提示情報ベースの3つだ。 例えば
綱引きに蛇口当てゲーム？！ 楽しく学ぶベイズフィルターの仕組み
付き合いたくないスパムと付き合うために 受信者の意向を無視して、一方的に送りつけられる迷惑メール（スパム）は、いまやメールボックスを雑音でいっぱいにしてしまい、大事なメールを見過ごしかねないほどの量に膨れ上がり、大きな問題となっています。 残念ながら、このようなスパムを発生源から断つような根本的な対策はいまだになく、私たちは、せめてメールサーバで受け取った大量のメール群からスパムと大事なメールを仕分けしてくれる仕組みに頼らざるを得ません。 スパムを判定する方法は、次の2つに大別することができます。 本稿では前者の方法に着目します。メールを受け取った人にとっては、メールの中身を読めば、そのメールがスパムかそうでないかを判定するのは容易なことです。スパムの定義は、メールを読む人によって変わる可能性があります。例えば、まったくゴルフをしない人にゴルフの勧誘メールが来た場合はスパムといえるでしょう
mots quotidiens.
伊庭さんに, 物理の人で話を聞きたい人がいるので, 10人くらいで内輪で講義 してもらえないかと頼まれたので, それならと引き受けたところ, いつの間にか Twitter等で広がって話が大きくなっていて, 部屋に入るとセミナー室2が満杯で, 60人くらい来ていて吃驚仰天。 思わず, 「これって何の集まりですか?」と一番後ろの人に聞いてしまいました。w スライドを公開してほしいと何人かの方から頼まれたので, 公開しておきます。 ism-npblm-20120315.pdf なお, 少し説明が足りない部分もあったかと思いますが, わからない部分のある方は, 前に書いた信学会誌の「最近のベイズ理論の進展と応用(III)」の原稿 [PDF] はかなり頑張ってわかりやすく書きましたので, そちらをお読み下さい。 最後の質疑応答などで, トピックモデルに関する関心が高かったように思いますが, 実は,
UCLA Department of Statistics
<body bgcolor="#FFFFFF" text="#000000"> </body>
KDDI研究所と産総研、個人の属性や気分から嗜好を推定するコンテンツ推薦エンジンを開発
(株)KDDI研究所と独立行政法人の産業技術総合研究所は1日、複数のコンテンツの中から、個人のプロフィール/気分/状況などに合わせて最適と思われるものを選び出すコンテンツ推薦エンジンのプロトタイプを発表した。早ければ2005年度内(～2006年3月)、遅くとも2006年度中に実用化に向けた精度や負荷などの検証を行なう。 新システムは、物販やデジタルコンテンツ/ガイド情報などを提供するインターネットサービス(パソコン向け/携帯電話機向け)に組み込むことを目標として開発されたもの。現在それらのサービスでは、利用者に製品/コンテンツ/情報を推薦するために、人気ランキングや製品分野による商品/情報検索システム、ユーザーの利用/購買履歴に基づく推薦システムなどを運用している。しかし2社は、例えば同じ個人でも“家族と観るならこの映画”“恋人と観るならこの映画”といった具合に気分や状況によって嗜好は変化
http://funahasi.com/fsroom/contpc.php3?ID=310&janID=1&jan2ID=2
確率を仮説を真と考えるという「信念の度合い」とする立場。反証主義など多くの科学哲学上の立場が仮説を支持する証拠が増えることによって、その仮説の確からしさを増大させるという帰納法的立場を棄却してきた。 しかし、このベイズ主義は確率論に出てくるベイズの定理を援用し、仮説を支持する証拠を集めることによって仮説を真とする信念を増大させるということを合理的であるとする。 ベイズの定理と言うのは P(H/E)=P(H)・P(E/H)／P(E) という条件確率の定理である。この時、Eを証拠、Hを仮説とすると P(H/E)というのは、 「証拠Eが発見された時の仮説Hを真と考える信念」 と読みかえることができる。 EはHを支持する証拠であるから、EはHを含意するのでP(E/H)は一般に１で、0P(H) である。さらに言えば、証拠2であるE2を発見したとすれば 同様に P(
科学技術振興機構 - 脳の巧みな時間順序の推定法の解明
平成1８年５月２９日 東京都千代田区四番町５－３ 科学技術振興機構（ＪＳＴ） TEL : 03(5214）8404(総務部広報室) 東京都文京区本郷２丁目１番１号 順天堂大学 総務課 TEL : 03-3813-3111 ＪＳＴ（理事長 沖村憲樹）と順天堂大学（理事長 小川秀興）は、左右両方の手に加えた刺激の順序の判断に、これまでの経験を加味した「ベイズ推定」が用いられることを明らかにしました。 本研究チームは、右手と左手に少し時間をずらして刺激を加える、という作業を何回も繰り返すと、左右の手に同時に与えた刺激が、繰り返した刺激と同じ順序に感じられるようになることを見出しました。この錯覚は皮膚の感覚器からの情報に加えて、事前の経験を総合して判断する「ベイズ推定」と呼ばれる効率の良い推定法で良く説明できました。感覚器からの信号にノイズがある場合には、ある程度経験に頼る「ベイズ推定」を行うこと
Passion For The Future: 確率的発想法~数学を日常に活かす
確率的発想法~数学を日常に活かす スポンサード リンク ・確率的発想法~数学を日常に活かす ■ベイズ推定 最近、ベイズ理論がインターネット技術でクローズアップされている。 ・グーグル、インテル、MSが注目するベイズ理論 http://japan.cnet.com/special/story/0,2000050158,20052855,00.htm 18世紀にトーマスベイズが発案した統計理論。この本の前半で大きく取り上げられていた。 サイコロを振って１がでる確率は6分の1。2回目も連続して１がでる確率は36分の1で、3回連続は216分の1である。実際に何度か振ってみると、その確率と違ったりする。だが、100回や1000回繰り返せば、正確にその数字に近づいていく（大数の法則）。であるから、100回も繰り返せば、次に１がでる確率はかなり正確に予想できるようになる。 では、無差別に選んだ大量のホー
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
Tony Jebara
venturewatch.jp
出たとこナントカ(仮)
MLHealth
IT news, careers, business technology, reviews