タグ

入門に関するronekkoのブックマーク (6)

  • Scipy Lecture Notes — Scipy lecture notes

    One document to learn numerics, science, and data with Python¶ Tutorials on the scientific Python ecosystem: a quick introduction to central tools and techniques. The different chapters each correspond to a 1 to 2 hours course with increasing level of expertise, from beginner to expert. Release: 2022.1

  • GitHub - rougier/numpy-100: 100 numpy exercises (with solutions)

    You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

    GitHub - rougier/numpy-100: 100 numpy exercises (with solutions)
  • vrep-howto

    基礎 インストールと起動 基的な操作方法 主要なインターフェース上の機能 Child scripts の特徴 表示レイヤー 単位について 基 オブジェクトの追加と削除 オブジェクトハンドルの取得 オブジェクトのプロパティ オブジェクトの衝突判定:Respondable mask オブジェクトの親子関係 ダミーオブジェクトについて 関数の使い方 初速度を与える 親・子が存在するかハンドルを調べる シミュレーションのステップ数をカウント 変数・文字列の表示(コンソールの使い方) 引数の値を取得 オブジェクト間の値のやり取り スクリプトハンドルの取得 位置の取得 便利 Child scriptsの削除 オブジェクトの大きさを後から変更 シミュレーションを動画として記録/出力する ウィンドウを開かずにシミュレーションを実行(CUI) 設定 画面を分割して表示 ResizableFloorの上限

    vrep-howto
  • 統計的機械学習入門 | 中川研究室

    導入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 最尤推定、MAP推定 データの性質 情報理論の諸概念 (KL-divergenceなど) 距離あるいは類似度 数学のおさらいpdf 行列の微分 線形代数学の役立つ公式 多次元正規分布 条件付き正規分布 Bayes推論pdf Bayseによる確率分布推定の考え方 多項分布、ディリクレ分布 事前分布としてのディリクレ分布の意味<\li> 正規分布と事後分布 指数型分布族 自然共役事前分布の最尤推定 線形回帰および識別pdf 線形回帰のモデル 正則化項の導入 L2正則化 L1正則化 正則化項のBayes的解釈 線形識別 2乗誤差最小化の線形識別の問題点 生成モデルを利用した識別 学習データと予測性能pdf 過学習 損失関数と Bias,Variance, Noise K-Nearest Neighbor法への応用 b

  • トピックモデルを用いてWeb小説のジャンル・流行を分析しよう

    トピックモデルを用いて W e b 小説のジャンル・ 流行を分析しよう 2 0 1 3 / 0 3 / 1 9 ( K M C 春合宿2 0 1 3 ) 近藤 誠一 ( @ s e i k i c h i ) 自己紹介 近藤 誠一 (@seikichi): p༇  大学院修士1回生 p༇  情報学研究科知能情報学専攻 趣味: p༇  ラノベ,料理,アニメ 近況: p༇  電子書籍を買いまくり読みまくり楽しすぎ p༇  シュウ……カツ……シュウ……カツ…… 目次 p༇  今「小説家になろう」がアツい p༇  トピックモデルことはじめ p༇  Latent Dirichlet Allocation (LDA) を用いた Web小説ジャンル解析 p༇  Dynamic Topic Model (DTM) を用いた Web小説ジャンル遷移解析 p༇  まと

    ronekko
    ronekko 2013/04/30
    LDAとDTMの日本語コーパスを用いた実験例
  • R で識別器を作ってみるのに必要な散布図の書き方・正規化の方法(iris データセットを例に) - 木曜不足

    PRML 4章とかを読んで、ちょっと試しに識別器を実装してみたい! というとき、初心者的にはデータセットをどこから持ってくるか、そのデータセットをどう使うか、実行結果をどうやってグラフなどに出力するか、といったあたりが悩み。 R はそのへんとてもよくできていて、すごくラクチン。 まず結構な数の著名なデータセットがあらかじめ入っている。その一つである iris dataset を例に「識別器を試作するための準備」について説明していこう。 iris dataset は、3品種(setosa, versicolor, verginica)のユリの花それぞれ50について、花の萼(がく)の長さと幅、花弁の長さと幅を測ったもの。 iris はデータがきれいに分かれているので、どんな識別器にわせてもそこそこ良い結果が出る。初心者が達成感を得るのに最適(笑)。 R での iris データセットの利用は

    R で識別器を作ってみるのに必要な散布図の書き方・正規化の方法(iris データセットを例に) - 木曜不足
  • 1