深層学習で部分空間を扱うときは射影行列を考えるとよい - ｼﾞｮｲｼﾞｮｲｼﾞｮｲ
拙著『グラフニューラルネットワーク』が重版して第 5 刷となりました。皆さまありがとうございます！ 【重版速報🎉🎉🎉🎉】 機械学習プロフェッショナルシリーズの重版が決まりました😆ご愛読ありがとうございます‼️ 松井孝太・熊谷亘『転移学習』【4刷】 https://t.co/Qic24KAwxD 佐藤竜馬『グラフニューラルネットワーク』【5刷】 https://t.co/Peqn1ZQavo pic.twitter.com/VBkNp2Uwjj— 講談社サイエンティフィク🖋️📔 (@kspub_kodansha) 2024年8月1日 グラフニューラルネットワーク (機械学習プロフェッショナルシリーズ) 作者:佐藤竜馬講談社Amazon 拡散モデルと最適輸送（最適輸送第 5 刷）や GNN の最新動向（グラフニューラルネットワーク第 3 刷）でもやりましたが、重版に感謝して書き下
F値に調和平均を使う理由（再）
正確にはF1値と言うべきでしょうか． 以前F値に調和平均を使う理由というエントリーで苦しい説明をしましたが，もうちょっとうまい説明が思いついたのでまとめてみました． 検索結果の評価指標に適合率 (precision) と再現率 (recall) があります． 適合率は目的に合った文書（適合文書）が検索結果にどれだけ含まれているかという正確性の指標， 再現率は検索対象としている文書群の中に存在する適合文書のうちどれだけ検索結果に含まれているかという網羅性の指標です． つまり， U: 検索対象文書群の文書の数 R: 検索結果に含まれる適合文書の数 N: 検索結果に含まれる文書の数 C: 検索対象文書群に存在する適合文書の数 引用: 情報検索 - Wikipedia とすると， 適合率 (precision) = R / N 再現率 (recall) = R / C です． 検索結果に含まれる文
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
