Spring BootによるAPIバックエンド構築実践ガイド 第2版 何千人もの開発者が、InfoQのミニブック「Practical Guide to Building an API Back End with Spring Boot」から、Spring Bootを使ったREST API構築の基礎を学んだ。この本では、出版時に新しくリリースされたバージョンである Spring Boot 2 を使用している。しかし、Spring Boot3が最近リリースされ、重要な変...
![Mahout 0.3: オープンソースの機械学習プロジェクト](https://cdn-ak-scissors.b.st-hatena.com/image/square/1dea079f3c8eee49f636638a061b722d42b294d5/height=288;version=1;width=512/https%3A%2F%2Fcdn.infoq.com%2Fstatics_s1_20240521072209%2Fstyles%2Fstatic%2Fimages%2Flogo%2Flogo-big.jpg)
統計的機械学習 (under construction) 導入ppt pdf 情報の変換過程のモデル化 ベイズ統計の意義 識別モデルと生成モデル 次元の呪い 損失関数, bias, variance, noise 数学のおさらいppt pdf 線形代数学で役立つ公式 情報理論の諸概念 (KL-divergenceなど) 指数型分布族、自然共役 正規分布(条件付き、および事前分布) 評価方法ppt pdf 順位なし結果の評価(再現率、精度、適合率、F値) 順位付き結果の評価 線形回帰と識別ppt pdf 線形回帰 正規方程式 正規化項の導入 線形識別 カーネル法ppt pdf 線形識別の一般化 カーネルの構築法 最大マージン分類器 ソフトマージンの分類器 SVMによる回帰モデル SVM実装上の工夫 モデル推定ppt pdf 潜在変数のあるモデル EMアルゴリズム 変分ベイズ法 Expecta
III. 文書クラスタリングの技法 A. 単一パスアルゴリズム 1. k-means 法の適用 2. Willett のアルゴリズム 3. 平均クラスタリング・アルゴリズム
文書クラスタリングの基礎 大西 祥代,廣安 知之,三木 光範 ISDL Report No. 20070913004 2007年 4月 24日 Abstract 文書クラスタリングでは,文書の定義,クラスタリングに用いる類似度の定義,クラスタリング手法などに特徴的な点がある.そこで本報告ではそれらをまとめ,文書クラスタリングに対する理解を深める. 1 はじめに 知的システムデザイン研究室では,ISDLレポートと呼ばれる研究報告を現在までに1300本以上Web上に公開している.多くのレポートが存在するが,レポートの分類は行われていないため,クラスタリングにより自動的にレポートのグループ化を行うことを目指している.しかしISDLレポートのような文書に対するクラスタリングではいくつか特徴的な事項があり,それらを考慮する必要がある.そこで本報告では文書クラスタリングに関する特徴点をまと
情報処理学会の会誌「情報処理」を毎月読んでるわけですが(会員だしね)、今月号の特集『利用者の好みをとらえ活かす-嗜好抽出技術の最前線-』が面白かったので備忘録代わりにメモ。 特集記事一覧はこちら。 0. 編集にあたって(土方嘉徳) 1. 嗜好抽出・情報推薦の基礎理論:1)嗜好抽出と情報推薦技術(土方嘉徳) 1. 嗜好抽出・情報推薦の基礎理論:2)協調フィルタリングの課題:プライバシー,サクラ攻撃,評価値のゆらぎ(神嶌敏弘) 2.ネットワーク上のユーザ行動に着目した嗜好抽出・情報推薦:1)協調フィルタリングを用いたレコメンドサービスの導入事例と課題(市川裕介) 2.ネットワーク上のユーザ行動に着目した嗜好抽出・情報推薦:2)嗜好情報に基づくニュースコンテンツの推薦とその応用-画一的な便利さと多様な嗜好への適応-(河合由起子) 3.実世界上のユーザ行動に着目した嗜好抽出・情報推薦:1)AV機器
論文を読んだので内容のメモ.訳すというよりはボクの解釈のメモです.先日のエントリ 気が向いたので研究について書く は前置きでした. Fast unfolding of community hierarchies in large networks アブストラクト ソーシャル系のサービスは秩序と乱雑さを併せ持つ複雑ネットワークとして捉えられる.SNS や携帯電話のネットワーク,Web のように大規模なものにおいては,その全体構造を把握するための解析手法が求められている. ネットワークを密に結合したノード集合であるコミュニティ(ここではクラスタと同意)に分解するアプローチは有効だ.SNS などからコミュニティを抽出することで,トピックについて知ることができる.さらに,得られたコミュニティをノードしてメタネットワークを生成すれば,ネットワークの構造を視覚的に把握できるようになるだろう. この論文
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