第7回ケモインフォマティクス入門講座 講義資料
ケモメトリックス データセットの定義 内容 1/2 内容 2/2 注意点 どうしてデータの前処理をするの？ オートスケーリング (標準化) オートスケーリングの例 センタリング スケーリング モデル検証用(テスト)データのオートスケーリング 分散が0の変数の削除 同じ値を多くもつ変数の削除 注意点 相関係数の高い変数の組の１つの削除 しきい値は？どちらを消す？ 注意 内容 1/2 入門編の復習 回帰分析ってなに？ 最小二乗法による線形重回帰分析 最小二乗法による重回帰分析 どうして PLS を使うの？～多重共線性～ PLS とは？ PLSと一般的な重回帰分析 線形判別分析 (LDA) とは？ “最もよく判別する” とは？ 重み w の求め方 サポートベクターマシン (SVM) とは？ 線形判別関数 SVMの基本的な考え方 きれいに分離できないときは？ ２つの項を一緒に最小化 線形判別関数
Introduction to one-class Support Vector Machines - Roemer's blog
Traditionally, many classification problems try to solve the two or multi-class situation. The goal of the machine learning application is to distinguish test data between a number of classes, using training data. But what if you only have data of one class and the goal is to test new data and found out whether it is alike or not like the training data? A method for this task, which gained much po
パターン認識と機械学習 §6.2 カーネル関数の構成
1. パターン認識と機械学習 6.2 カーネル関数の構成 PRML復々習レーン #9 2013/3/10(日) ぷるうぬす@Prunus1350 13年3月10日日曜日 1 2. • カーネル関数を構成するには？ (x) (1) 特徴空間への写像 を考え、これをもとに対応するカー ネルを構成する。 M X 0 T 0 0 k(x, x ) = (x) (x ) = i (x) i (x ) i=1 (2) カーネル関数を直接定義する。 • 与えた関数がカーネル関数として有効であることを保証 する必要がある。 • 言い換えれば、ある特徴空間におけるスカラー積である ことを保証する必要がある。 13年3月10日日曜日 2 3. (2) の簡単な例 k(x, z) = (xT z)2 x = (x1 , x2 ) 2次元の入力空間 を考えると、対応する特徴空間 への非線形写像を得
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
