Stochastic Optimization: ICML 2010 Tutorial
Stochastic Optimization: ICML 2010 Tutorial Nathan Srebro and Ambuj Tewari Topic Overview Stochastic Optimization played an important role in Machine Learning in the past, and is lately again playing an increasingly important role, both as a conceptual framework and as a computational tool. This is not at all surprising. First, the standard Statistical Learning setups, e.g. the (agnostic) PAC Fram
ムーミンにはあまりにも名言が多すぎる件
邦楽（特にくるり）、スポーツ（特にサッカー）、アート（特に現代美術）、映画（特に邦画）、猫（特にねこ）、その他もろもろに関してfkdが好き勝手に綴るブログ。 ムーミンって、ほんとすごい どうも、fkdです。 みなさんはもちろんムーミン先輩のことはご存知かとは思いますが、 ムーミン先輩って名言が多いのはご存知でしたか？ ムーミンの名言をつぶやくtwitterロボがいまして、 それで僕は知ったのですが、 本当に名言ぞろいでびっくりしました。。。 ただいいことをいっているのではなく、 妙に現実味があって含蓄がある感じなんですよね。 何個かカテゴリーにわけてピックアップしてみましたので、 ごらんいただきたいと思います。 どうぞどうぞ。 【チャレンジへの格言】 まずはチャレンジへの格言編です。 大きな旅立ちというものは、 書物の、第一行目の文章のように、 重要なものなのだよ。 その一行が、この一瞬が
SVMにおける損失と正則化 - 射撃しつつ前転 改
前に書いたSVMの記事で、「L1とかL2というのは間違えたときのペナルティをどう定義するかを意味しており」と書いていたが、L1とかL2って正則化項の話なんじゃないの、と疑問に思った。1ヶ月ほど時間をおいてのセルフツッコミである。確認しようとしてカーネル多変量解析を読むと、やはり正則化項についてはL1とL2の両方の説明が書いてあるが、損失に関しては普通のHinge Loss（=L1 Loss）しか書いてない。 と言う訳で、ああ、間違えちゃったなぁ、と暗澹たる気持ちで"A dual coordinate descent method for large-scale linear SVM"を読み直してみたところ、やっぱりL1-SVMというのは損失が普通のHinge Lossで、L2-SVMというのはHinge Lossの2乗を損失とすると書いてあった。両方とも正則化項についてはL2正則化を使って
2008-11-02
ちょっと作成したWebアプリケーションに脆弱性があるかをきちんとチェックしないといけない羽目になったので調べてみた． 出来ればフリーで，無ければ有償でもいいので．いや，やっぱりフリーで．．． 調べて実際にインストールや使ってみた順に載せてみます． Nessus http://www.nessus.org/nessus/ フリーでは一番使いやすいサーバ脆弱性診断ツールかな．有名だし． でもサーバの脆弱性診断という位置づけが強い MultiInjector released - automatic parallel website Injector / Defacer http://chaptersinwebsecurity.blogspot.com/2008/10/multiinjector-released-automatic.html Pythonの2.4以上で動作 Windowsでも使
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
