分子に1を足し、分母に2を足すだけで予測が良くなる話 - CARTA TECH BLOG
コインを投げを観測し、コインの表になる確率を予測するとき、みなさんはどのように予測するでしょうか。 （コイン投げに限らず、表か裏のように二値になるような予測であれば、例えば、広告のクリック率や、単語の出現率、ナンパの成功率でもなんでもいいです。） コインが表になる確率が0から1まで一様だ（まんべんなく出る）とすれば、n回投げてs回表を観測したら、平均であるs/nをその確率として予測するのではないでしょうか。 この方法をもっと複雑な言い方をすれば最尤推定(maximum likelihood; ML推定)とよびます。コインが表になる確率が一様という事前確率まで分かっている前提ならば、これは最大事後確率推定(maximum a posteriori estimation; MAP推定)ともいえます。なんか最強っぽいですよね。 他に方法があるのでしょうか。スムージングという方法もあります。スムー
†全方位木DP†について - ei1333の日記
全方位木DPは思考停止アルゴリズムとして有名です. ここでは実装方法を例題とあわせて適当に紹介します. 全方位木DP とは 全方位木DP とは何を指すのでしょうか. 僕は知りません. 悲しいね. 普通の木DP は, 任意の頂点の部分木だけを対象とした DP を行うのに対し, 全方位位木DP は任意の頂点を根とした木について DP をするイメージです. 全方位木DP の実装方法 思考停止アルゴリズムなので簡単です.(難しい問題は難しいけど) 木が与えられる. 適当な頂点を根として, 木を有向木とみなす. ここでは根を頂点 としている. 任意の頂点を根とした部分木について, 部分木の根に "必要な情報" を求める. 頂点 を根とする部分木についての "必要な情報" を としている. 頂点 について を根とし頂点 から親への辺を取り除いたときの問題の解が, の子の たちを使って求めることができれ
ØMQ - The Guide # High-Water Marks
The Guide is copyright (c) 2010-2012 Pieter Hintjens. It is licensed under the Creative Commons Attribution-Non-Commercial-Share Alike 3.0 License. The examples are copyright their respective authors and licensed under MIT/X11 as follows:) Copyright (c) 2010-2012 iMatix Corporation and Contributors Permission is hereby granted, free of charge, to any person obtaining a copy of this software and as
DeepMindのSonnetを触ったので、TensorFlowやKerasと比較しながら解説してみた - Qiita
DeepMindのSonnetを触ったので、TensorFlowやKerasと比較しながら解説してみた機械学習DeepLearningKerasTensorFlowSonnet はじめに GoogleのDeepMindが社内的に使っている深層学習ライブラリSonnetを公開したので、試しに触ってみました。TensorFlowやKerasと比較をしながら解説していきたいと思います。まだ触ってみたばかりで細かい内容をお話することは出来ませんが、少しでもSonnetが気になっている方の力になれれば嬉しいです。 間違ってる部分や質問などありましたらコメントして頂けると幸いです。 Excited to release #Sonnet - a library for constructing complex Neural Network models in TensorFlow. Get starte
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
