USTREAM @2.5D : . ポップス
2. サイバー系 はじめに ※この発表は個人の 見解であり、所属す る組織の公式見解で はありません。 2012/8/4 1 3. サイバー系 自己紹介 和田 計也(@wdkz) 静岡県袋井市出身 サイバー系企業でデータマイニングエンジニア職 最近はレポーティング周りの仕事してます 前職はバイオベンチャー バイオマーカ探索してた 学生時代は枯草菌の研究 2012/8/4 2 4. サイバー系 私はこうしてRStudioに乗り換えました 従来 エディタ(EmEditor) + RGUI featuring コピペ 現在 RStudio 乗り換えた理由 括弧補完してくれたり、オブジェクトの一覧が表示され てるから迷子にならないし、data.frameの中を手軽に 見れるし、plot図何枚も保持してくれてるし... Rmarkdownで記述
統計分析ソフトウェア R のための検索エンジンです。R 言語に関する内容に特化した検索結果を表示します。
Wikipedia - Brute facts http://en.wikipedia.org/wiki/Brute_fact <Brute facts are opposed to institutional facts, in that the former do not require the context of an institution to occur. The term was coined by G. E. M. Anscombe and then popularized by John Searle.> (大意: 「brute fact(根源的事実、ナマの事実)」とは、「institutional fact(制度的事実)」と反対のもの。それが事実であることが成立するために、制度の文脈を必要としないような事実をいう。この語はG・E・M・アンスコムによって作られ、ジョン・
データの観測を続けているとき、ある時刻から急にデータが増えることがある。これをバーストといい、この瞬間を検出する手法があるらしい。 Rではburstsパッケージでできる。 データは時系列の累積和になっていて、時刻と間(隣り合わなくてもよい)でのバースト具合が計算できる。 新聞記事では世間の出来事に応じて記事中の言葉がかわるので、トピックのバースト具合がわかる(こちら)。 library(bursts) offsets <- c(seq(0, 400, 100), seq(410, 450, 5), seq(451, 470, 2), seq(480, 600, 5), 700, seq(710, 800, 5), 900, 1000) bursts <- kleinberg(offsets) plot(offsets, seq(offsets), type="s") plot.bursts
bursts: Markov Model for Bursty Behavior in Streams An implementation of Jon Kleinberg's burst detection algorithm (Kleinberg (2003) <doi:10.1023/A:1024940629314>). Uses an infinite Markov model to detect periods of increased activity in a series of discrete events with known times, and provides a simple visualization of the results.
This software implements several algorithms. (see References section below.) My PhD thesis uses similar notation for the parameters of the code. Please find Eq 3.11. You might find the thesis more useful when you read the code. accelerated variational Dirichlet process Gaussian mixture modelcollapsed variational stick-breaking Dirichlet process Gaussian mixture modelvariational Gaussian mixture mo
Dirichlet Process Gaussian Mixture Model (DPGMM)とも。 Dirichlet Process Mixture Model が一番ググった時に引っかかりやすいかも。 この記事について 最近?流行りのノンパラメトリックベイズの一つで、ガウス混合モデルのノンパラメトリック版です。 混合数を自動敵に決定してくれるガウス混合モデルですね。 比較的実装が簡単だと言われるモデルですが、あまり実装例を見かけないモデルです。 IGMMの情報源と、実装している人の紹介をしようと思います。 概要 Dirichlet Process を用いたクラスタリング 最近のベイズ理論の進展と応用 (III) ノンパラメトリックベイズ Google の栗原さんや、NTTコミュニケーション科学基礎研究所の持橋さんによる解説です。(リンク切れの場合はGoogle Scholar か何
この記事について ノンパラメトリックベイズは分かりやすいチュートリアルは良く見かけるのですが、そこから一歩進んだ(日本語の)資料に行きつけなかったので、色々と論文読んで簡単に(数式を出さないで)まとめてみます。 ぶっちゃけるとCollapsed Variational Dirichlet Process Mixture Modelsの簡単な要約です。 あまり自信がないのでもし間違ってたりしたらご指摘お願いします。 前の記事よりはまともな説明ができれば...と思います。 Infinite Gaussian Mixture Model (IGMM) の情報まとめ - old school magic 事前知識としてノンパラベイズと変分推論の知識が必要ですが、ノンパラベイズは持橋さんの分かりやすい解説があるのでご紹介します。 最近のベイズ理論の進展と応用 (III) ノンパラメトリックベイズ デ
DEIM Forum 2012 F5-5 †1 †1 †2 †3 †4 †5 †6 †7 †7 †1 305-8573 1-1-1 †2 305-8573 1-1-1 †3 060-0808 8 5 †4 ( ) 141-0031 8-3-6 †6 135-0064 2-3-26 †5 101-8430 2-1-2 †7 113-0033 7-3-1 2 Kleinberg LDA (latent Dirichlet allocation) DTM (dynamic topic model) DTM Kleinberg , , Identifying Bursts in Time Series Topic Model Yusuke TAKAHASHI†1 , Daisuke YOKOMOTO†1 , Takehito UTSURO†2 , Masaharu YOSHIOKA†3 , Yas
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