元記事: Awesome GO Awesome List in Qiita Awesome Ruby Awesome Java Awesome JavaScript Awesome Node.js Awesome Python Awesome Selenium Awesome Appium オーディオ/ミュージック オーディオを操作するためのライブラリ. EasyMIDI - EasyMidi は, 標準の MIDI ファイル (SMF) を作業するためのシンプルで信頼性の高いライブラリです. flac - FLAC ストリームをサポートするネイティブ Go FLAC エンコーダ/デコーダ. gaad - ネイティブ Go AAC ビットストリームパーサ. go-sox - libsox の Go バインディング. go_mediainfo - libmediainfo の Go バインデ
[メモ] サポートベクターマシン(SVM) - 机上の空論
サポートベクターマシン(以下 SVM) とは ・ニューラルネットワークの一種 ・教師ありクラスタリング SVM の基本的な考え方 ・元々2クラスの線形分離手法として提案される ・単層パーセプトロンに似ているが、SVM はマージン最大化という手法をとっているのがポイント。 ・マージン最大化とは、超平面と学習データの隙間となるマージンをなるべく大きく取ろうというもの。 (ここでいう超平面とは、2つのクラスにぶった切る平面のこと) ・ちなみに超平面と、ちょうどマージンの分だけ離れている学習データをサポートベクトルという。 ・このマージン最大化という考えを取り入れることによって、テストデータの識別精度を高めている。 SVM の発展 ・線形分離不可能な問題への対応 - ソフトマージン(学習データが多少マージンにくい込んだり、反するクラスの空間にくい込んだりしても許す)で対応
＊この記事は統計学や機械学習を専門としていない学生が書いた主観的なまとめ記事です。間違いが含まれている可能性があります。 統計学・機械学習を学んでいると、たくさんの手法や考えが出てきてよくわからなくなります。 特に自分が何かに取り組んでいるときには、今やっている手法が全体から見てどういうものなのか、より良い手法が無いのかが気になってしまいます。 まるで地図を持たず森の中を彷徨っているような感覚です。 そこで、統計学・機械学習で使われる概念や手法を自分なりにまとめて頭を整理したいと思います。 以下のような図になりました。 以下にそれぞれを説明します。 数理科学 統計学・機械学習のベースとなる学問です。 主に解析学、代数学、幾何学からなります。 微分積分学と線形代数学が基本になってるのは言うまでもないと思います。 その他に個人的に関わりが深いと思う分野を３つ挙げます。 確率論 大数の法則(中心
「人工知能（AI）は永遠の春に入ったと言えるのかもしれない」。そう語るのは、機械学習の権威Andrew Ng氏だ。 GoogleのAIチームの共同創始者であり、ディレクターも務めていたNg氏が、米ZDNetのインタビューに応じた。同氏はAI技術の使い方に関して記した、発表したばかりの「解説書」について語ってくれた。同書は、こちらから無料でダウンロードできる。 AI技術が、関心も資金も急激に落ち込むという、何度目かの「冬」の時代にまたしても入るのではないかという懸念を、Ng氏は一刀両断に切り捨てている。 機械学習、なかでもコンピュータの処理系を、脳における一連のニューロンモデルにゆるやかに模した、いわゆる「コネクショニスト」理論は、これまでも繁栄と衰退のサイクルを何度か経験してきた。Frank Rosenblattが「パーセプトロン」を提唱した1950年代後半に初めて花開いたが、60年代終わ
?でわっしょい アーティスト: ゆの(阿澄佳奈),宮子(水橋かおり),ヒロ(後藤邑子),沙英(新谷良子),畑亜貴,安藤高弘,近藤昭雄出版社/メーカー: ランティス発売日: 2008/07/23メディア: CD購入: 4人 クリック: 286回この商品を含むブログ (105件) を見る 「超ひだまつり」以外でひだまりスケッチの話をたくさんしたこと。同い年のオタクとあっちこっちの話で盛り上がったこと。毎日ホテルの自室に誰かが来ていて、中学校の修学旅行の時のようなテンションが１ヶ月続いたこと。タイトなスケジュールでWebアプリケーションのコードを書きまくったこと。毎日のように美味い酒を飲み、飯を食べたこと。いろいろなことが新鮮で、あっという間に過ぎていった１ヶ月だった。 応募 フォロワーの id:spring_raining さんや id:upamune さんの記事を読んでいたので、４月あたりか
いきなり自分でハードル上げてみました（笑）。ちなみに何故単純パーセプトロンを最初に持ってきたのか？というと、id:echizen_tmさんのブログ記事でも触れておられる通り 機械学習には大きく分けて「識別関数」「識別モデル」「生成モデル」の3つの種類がある。このなかで識別関数は確率を使わないので初心者が入門するのに最適。 識別関数で有名なのはSVM(Support Vector Machine、サポートベクターマシン)。名前を聞いたことがある人も多いと思う。そこで早速SVMを学ぼうとすると敷居が高くて挫折しがち。 実はSVMは(大雑把に言うと)パーセプトロンという基礎的な識別関数に「マージン最大化」と「カーネル関数」という考え方を導入したもの。なので機械学習入門者は最初にパーセプトロンを学ぶのが良いと思われる。 それゆえ、実際に僕も以前Matlabで糞コード書きながら勉強してた時はやはり単
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
Awesome Go : 素晴らしい Go のフレームワーク・ライブラリ・ソフトウェアの数々 - Qiita
統計学・機械学習を自分なりに概観してみた - Qiita
「AIは永遠の春に入った」--人工知能の権威、アンドリュー・ウ氏が語る
「?でわっしょい」してきたぞ - はてなインターン2018参加記 - - いいんちょのブログ
単純パーセプトロンをPythonで組んでみる - 渋谷駅前で働くデータサイエンティストのブログ