Learning to rank - Wikipedia
Learning to rank[1] or machine-learned ranking (MLR) is the application of machine learning, typically supervised, semi-supervised or reinforcement learning, in the construction of ranking models for information retrieval systems.[2] Training data may, for example, consist of lists of items with some partial order specified between items in each list. This order is typically induced by giving a nu
CV勉強会に参加してきました - takminの書きっぱなし備忘録 @はてなブログ
CV勉強会参加者の皆さんお疲れ様でした。 それにしても、自分で決めたとは言え、僕の発表担当部分があまりに膨大でびっくりしました。 結局スライドは７６枚に達し、二時間以上しゃべってました。 ただお陰さまで、色々な指摘を皆さんから頂き、大変勉強になりました。 というわけで、勉強会で指摘された内容を踏まえて修正した資料をアップします。 Chapter1 4.6 modView more presentations from takmin. 第２回はグラフカットやります。奮ってご参加下さい。 http://atnd.org/events/4160
PRML 読書会 #13 １０章 近似推論法(変分ベイズ) - 木曜不足
参考：「機械学習とパターン認識」(PRML)のアンチョコ by herumi PRML 9章や10章の数式の解説ノート。10章の大変な計算も丁寧に展開してある。 4/10 の C.M.ビショップ「パターン認識と機械学習(PRML)」読書会 #13＠サイボウズ・ラボ に参加しました。各位お疲れ様でした。 今回のテーマは１０章の変分推論(変分ベイズ)。監訳者のしましま先生からも「PRML本で最も恐ろしいところ」とお墨付きをもらっているほどの鬼計算の章。 10.2.1 の混合ガウス分布を変分ベイズで推論する例のところを担当した。 発表資料 10.2-10.2.1 例：変分混合ガウス分布、資料後半 by id:n_shuyo 10.2.2-10.2.5 変分下限*1〜導出された分解 by wk さん 10.3 変分線形回帰 by id:tsubosaka さん 10.4-10.5 指数型分布族〜局
Rの基本データ構造、よく使う関数紹介 - yasuhisa's blog
Agenda データ構造 たくさんある＞＜ ベクトル Rの格言 いろんなベクトルの作り方 規則的データの生成 同じデータを繰り返す ベクトルへのアクセスの方法 アクセス方法にもいろいろある まだまだあるよ、アクセス方法 行列 埋めていく順番 すでにあるベクトルを束ねる cbind rbind 行列へのアクセス方法 行列の基本演算 積がやっかい 積を求めたいときは「%*%」を使うべし 逆行列を求める ちなみに 行列式 固有値 配列 リスト 例 ちなみに unlistのtips リストへのアクセス リストは結構難しい＞＜ 例 リストの要素には名前を付けることができる Rでlistがどのように使われているか データフレーム 例 データフレームを作る データフレームに列を追加と削除 データフレームに行を追加 因子型 irisのデータでやってみる irisデータ 層別にSepal.Lengthの長さ
PRML 復習レーンが始まるよ、だって。 - 木曜不足
この前の「パターン認識と機械学習(PRML)」読書会の後の懇親会で、「いや、機械学習は PRML が初めてで、読み始める前はガウス分布も共役事前分布も何それおいしいの？ だったよ〜」と話して驚かれたことに驚いたのだが、でも本当にその通りなのだ。 PRML 読書会初参加時のブログには、まだ右も左もわかっていないことを匂わせる初々しいことが書いてあり、妙にほほえましい(苦笑 PRML 読書会に参加し始めて結構経ったように感じていたけど、初参加は昨年の６月１４日(第３回)なので、まだ１０ヶ月しか経ってなかったのかー。 そんなスタートだったけど、SIG-DMSM #12 に ちょこんと座って、何を話しているのかならだいたいわかるくらいになってきた。 これはもうひとえに PRML と読書会のおかげ(大感謝)。 もちろん、ただ漫然と読書会の席を温めていただけではなく。 予習はもちろんきっちりやって行く
graphviz でツリー構造を可視化 - higepon blog
tree を簡単に可視化する方法ないだろうかで教えていただいた graphviz を試してみた。 ツリーの構造を以下のようなファイルで指定する。 digraph rbtrees { 1 [style = filled, fillcolor = "#cccccc"]; "Nil0" [style = filled, fillcolor = "#cccccc"]; 1 -> "Nil0"; 2 [style = filled, color = "#336666", fillcolor = "#CC9999"]; 1 -> 2; 2 [style = filled, color = "#336666", fillcolor = "#CC9999"]; "Nil1" [style = filled, fillcolor = "#cccccc"]; 2 -> "Nil1"; 3 [style = f
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
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
События Яндекса
The good conferences?
page not available
MISSING VALUES ANALYSIS & DATA IMPUTATION
jan