Perlで始める！初めての機械学習の学習 - YAPC::Asia Tokyo 2012 [SEPTEMBER 27,28 & 29th]
【怠惰】コンピュータにやらせることができる仕事は何でも自動化する─全体の労力を減らすための手間は惜しまない─プログラマ三大美徳の一つです。機械学習はいろいろ自動化できて面白そうだけど、確率の理論とか途中の数式とかが難しそうで敬遠しているプログラマは人生の時間の大半を損しているかもしれません。 機械学習やデータマイニングの技術は現実のビジネスの世界でも役に立ちつつあります。 音声認識、手書き文字認識、日本語入力、メールのSPAMフィルタ、評判分析、購買予測、 リコメンド機能、検索エンジン、集合知、3Dモーションキャプチャなど応用は様々です。 機械学習に関する入門書はいくつかありますが、確率論、微分積分、線形代数などの 知識が前提で、途中で学習を挫折してしまう人が後を絶えません。暗黒通信団の同人 誌「パターン認識と機械学習の学習」がジュンク堂書店コンピュータ書籍の全国週間 ベストセラーを記録し
SVM実践ガイド (A Practical Guide to Support Vector Classification) - シリコンの谷のゾンビ
SVMツールで有名なLIBSVMの作者らがまとめた "A Practical Guide to Support Vector Classification" という良資料[1]の日本語解説資料をまとめてみたので公開． SVM実践ガイド (A Practical Guide to Support Vector Classification) View more presentations from sleepy_yoshi 元資料はこちら 本資料作成のきっかけは，まわりの人に「SVMとかいう手法使ったんだけど，機械学習よくわからなくてさ」という感じで相談を受けて「カーネルは何使ってるの?」「素性のスケーリングはした?」「Cパラメータは調整した?」というようなことを聞くのだけれど，「???」というやりとりにうんざりしたから． その都度，Cパラメータというものがありまして〜，カーネルというものが
機械学習 はじめよう 記事一覧 | gihyo.jp
運営元のロゴ Copyright © 2007-2024 All Rights Reserved by Gijutsu-Hyoron Co., Ltd. ページ内容の全部あるいは一部を無断で利用することを禁止します。個別にライセンスが設定されている記事等はそのライセンスに従います。
「機械学習とパターン認識」(PRML)のアンチョコ by herumi - 木曜不足
社内で「機械学習とパターン認識」(PRML) の読書会をやっているのだけど、計算がやっぱり難しいようでみんな苦戦中。 そんなこんなで、光成さん(@herumi さん)が PRML の数式を手抜き無しで解説するアンチョコ(虎の巻 / PRML教科書ガイド)をマメに作ってくれている。*1 PRML のための数学(PDF) 内容は PRML の2章から4章と、9章、PRMLでもっとも計算が難しいと評判の10章を対象としている。 たとえば2章のアンチョコでは、2章の中で必要とされる解析や線形代数の道具(積分の変数変換、行列の各種操作)を一通り取り上げた後、ガウス分布の最尤推定における平均や分散による偏微分という、おそらく多くの人がつまづくのだろう計算がきちんと説明されている。 また3章のアンチョコでは、Woodbury の公式やヘッセ行列を解説しつつ、エビデンス関数などを導出しているし、4章になる
次世代シーケンサが求める機械学習
1. 次世代シーケンサ解析で 新たに求められる機械学習 東京工業大学 大学院情報理工学研究科 瀬々 潤 sesejun@cs.titech.ac.jp 2011/11/10 @ IBIS 2011 2. 遺伝子 DNA(ゲノム) mRNA タンパク質 細胞 Illustrations are © 2011 DBCLS Licensed under a Creative Commons 表示 2.1 日本 License 2 3. 次世代シーケンサとは？ • DNAを読む機械 • 単純にはDNAを読む量が，今までより増え，安価になっただけ の機械．ただ，その規模が半端ない． • 大規模データの扱い→統計解析→学習モデルへ？ 長さ 次世代シーケンサ (第3世代，2010∼) 7万本 x2000bp 96本 x500bp サンガー法 次世代シーケンサ (ヒトゲノムが読まれた (第2世代, 200
パターン認識のためのサポートベクトルマシン入門｜森北出版株式会社
サポートベクトルマシン（サポートベクターマシン）は，その認識能力の高さと応用性から，優れたパターン認識の手法として注目されています．本書は，その基礎をわかりやすく説明するとともに，多クラス問題への拡張方法や，各種のモデルごとの違いなど，実用上重要な項目についての解説が充実しています．入門書として，また，実際問題に適用する際の参考書として役立つ一冊です． 第1章 はじめに 第2章 2クラスサポートベクトルマシン 第3章 多クラスサポートベクトルマシン 第4章 サポートベクトルマシンの変形 第5章 学習法 第6章 カーネル法 第7章 特徴選択と特徴抽出 第8章 クラスタリング 第9章 関数近似への拡張
SVMのマージン最大化についてしつこく考えてみる - 射撃しつつ前転 改
SVMの説明というと、よく出てくるのはマージンの最大化である。しかし、実装を行う場合には、どちらかというと目的関数をどうやって最小化しようかな、というところの方が重要（注：主形式を勾配法で最適化する場合の話です）で、この間にある微妙なギャップを超えるのは微妙ながらも大変なような気がしている。このギャップをどうやったら埋められるのかというところを考えてみたい。考えながら書いてきちんと推敲しておりませんのでご注意ください。 SVMってなに、という説明でよくあるパターンは、線形識別器（というか、SVM）の学習というのはパラメーターをいじって分離(超)平面をいい感じに引くことですよ、というところから始まり、いい感じってなんだろうか、マージンが最大化されるように引くといいっぽいよね、けど分離不可能な場合はマージンの値が負になることがあるよね、そこでソフトマージンというものを定義して、マージンが負にな
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
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
http://aleag.cocolog-nifty.com/blog/2012/01/post-32f8.html
サービス終了のお知らせ