はてなブックマーク

1: 購入 0: 閲覧(したが購入してない) -: 未観測 ユーザーベース型 ユーザー同士の類似度を計算 「あなたと購入履歴の似たユーザーはこんな商品を買っています」 行を各ユーザーのベクトルとみなして、似たユーザーを見つける（上位N人） 似たユーザーが購入しているアイテムを推薦する（N人の平均値などで購入しそうな順に提示） アイテムベース型 アイテム同士の類似度を計算 「この商品を買ったユーザーはこんな商品も買ってます」 列を各アイテムのベクトルとみなして、類似度の高いアイテムを推薦する（上位M件） 類似度計算には、コサイン類似度やJaccard類似度が使われる。 類似度を計算する際に、未観測「-」は適当な値（0, 0.5など）で埋めるか、無視をする。 ログデータを使うため、情報の少ない新規アイテム/新規ユーザーに弱いコールドスタート問題がある。 コンテンツベースフィルタリング アイテム

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? ABテストの期間を見積もる際に、必要なサンプルサイズを求める必要があるが、Web上に公開されているツールをどの程度信用してよいかわからないため、論文を調査し理解を深めた。 必要なサンプルサイズを計算する式の導出をメモすることがメインだが、ついでにABテストに必要そうな統計の知識をまとめておきます。 ツールも作っておきました↓ Sample Size Calculator 2標本検定 AAテストについてはこちら。 基本用語 基本的な用語とこの記事で使う記法を定義しておきます。 母集団: 知りたい集団全体 母平均$\mu$: 母集団における

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 今回は、何も知らないところからバンディットアルゴリズムを学びました。 シンプルなバンディットアルゴリズムから、各ユーザーごとに最適化するContextual Bandit、順序を最適化するCascading Banditまで解説します。 学んでいて疑問に思ったことを解消しつつ記載しています。 ソースコード https://github.com/birdwatcherYT/bandit 対象読者 バンディットアルゴリズムを理解して実装したい人 ユーザーごとにカスタマイズしたバンディットを理解して実装したい人（Contextual Band

はじめに ユーザーが何の準備も必要なく、PCでもスマホでも動かすことができるWebアプリの魅力に惹かれてJavaScriptを勉強しました。 Web初心者のわたしが最終的にはこんなアプリたちを作ることができました。 完全に独学なので「もっといい方法がある」とか「もっときれいに書ける」とかはあるかもしれませんが、これらを実装した経験を通して、必要だった最低限な知識をまとめようと思います。 サーバーとのやりとりは一切しない（したい方はすればよい）ので、定義によっては「Webアプリ」とは言わないかもしれませんが、ここでは便宜上そう呼ぶことにします。（あとがきも参照） 対象読者 Webアプリって難しそう 完全無料でアプリやゲームを公開したい サーバー立てたくない JavaScriptやったことない初心者 Reactって何？TypeScriptって何？便利なの？生JSでよくね？ フロントエンドだけ学

対象読者 こんな人に向いてます Transformerを知らない人 私も全く知らずに調べました！なんにもわからない人の目線で書きます！ 想定される疑問を載せてます！ 多層パーセプトロンは知っているけど、それ以降出てきたいろんな用語についていけなくなった人 いつも知らない言葉を含んだ図ばかりで結局詳細がよくわからないって思っている人 図に式も載せて式を見ればやっていることがわかるようにしました！ 結局解説サイトを読んでもどう動くかわからない人 実際に軽いデータでTransformerを動かしてみたい人 軽く動かせるNotebookを用意してます！ ミスがあればご指摘くださると幸いです。 Transformer 自然言語処理で大活躍している手法。 機械翻訳 テキスト要約 文章生成 文書カテゴリの分類 最近では、画像データやテーブルデータ（時系列データ）でも活躍しているようだ。 画像認識の大革命

オンラインミーティングが増えている今日このごろ. 国際会議もオンラインで開かれていることでしょう. そんなときに, 英語が聞き取れなくて「自動で文字起こししたい」とか「翻訳したい」って思いませんか? 実際に使ったわけではないですが, ふと思いついたのでここに記します. 手順 ループバック音源 (ステレオミキサー) Chrome ミーティングツール (zoom, skype, teams, pragli, ...) ループバック音源 (ステレオミキサー)の用意 ここではWindows環境を想定して書くが, Macでも「ループバック音源」って調べれば何か出るかもしれない. 追記: どうやらMacでは有料or体験版のものしかないみたい. 何か無料のいい方法を見つけた方はコメントをお願いします. ループバック音源とはPCから出る音源のことである. たとえば, YouTubeで動画を再生すれば, そ

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 他人の論文や, ソースコードを見ているといろいろと思うことがあるので, 私が正しいと思っている書き方を以下に記す. あくまで自己流なので, 他の方のご意見 (コメント)も参照すると良いかと思います. 追記：ウェブ上で簡単に見た目を試せるようにツールを用意しました↓（対応していない記法もあります） 正しい論文の書き方 ,(半角カンマ)や.(半角ピリオド)の後は必ず半角スペースをいれる 日本語論文では, "半角カンマ+半角スペース"の代わりに"全角カンマ"を推奨しているところもある (ピリオドも同様に) 逆に,や.の前に不自然なスペースをい

機械学習系の本には, SVMの例などで双対問題の導出の仕方は載っているが, なぜそのようにして良いのかについては触れられていない. うまく説明されている本は, Convex OptimizationのDualiyの節である. 日本語は見当たらなかったため, ここに記す. (LaTeXが重いので, 式が表示されるまでお待ち下さい) Keywords: Lagrange, Dual Problem, Duality, Slater condition, KKT conditon 実際に最適化を体験してみたい方は凸最適化ソルバーCVXPYの紹介を参照. ラグランジュ双対関数 理論のみを紹介する. 具体例などは, Convex OptimizationのDualiyを参照してください. ラグランジアン 次の最小化問題を考える. \begin{split} \min_{x\in\mathbb{R}^

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 普段からBeamerでVector型(EPS, PDF, SVGなど)の資料づくりを目指している. Vector型は, どれだけ拡大してもボケないという特徴を持つ形式である. その際によく使う方法やツールを紹介する. PDFからPDF形式で図を取り出す PDFから図を取り出したい時, 「Prt Scr」で画面をキャプチャすると, 拡大した際に図がボケてしまう. 図をきれいに切り出すには, Vector形式で切り出す必要がある. Windowsでは, 以下のような手順で行うことができる. Adobe Acrobat Readerで対象のP