[B! スパースモデリング] stmsyのブックマーク

stmsy id:stmsy

スパースモデリングに関するstmsyのブックマーク (3)

スパースモデリングのモデルを評価する～LASSO推定値の評価方法
LASSO推定値に影響を与えるパラメータ前回の記事ではスパースモデリングの代表的手法であるLASSOを紹介しました。LASSOとは、以下の式の値を最小化する最適化問題のことを指します。 \(\frac{1}{2}\|\Phi x - y\|^2_2 + \lambda \|x\|_1\) この式における第二項は正則化項、\(\lambda\)が正則化パラメータと呼ばれます。ここで正則化パラメータの大きさというのは、正則化項が及ぼす影響の大きさを表します。前回の記事でLASSOを用いるといくつかの回帰係数がゼロとなり、変数選択を行うことができると説明しましたが、正則化パラメータを変更することで、ゼロと推定される回帰係数の数が変わっていきます。正則化パラメータが大きい時は\(|x\|_1\)を小さくしようとする動きが働きます。つまり、ゼロと推定される回帰係数の数が多くなります。逆に正則化パラ
stmsy 2019/09/10
スパースモデリング
リンク
スパースモデリングはなぜ生まれたか？代表的なアルゴリズム「LASSO」の登場 (1/3)：CodeZine（コードジン）
本連載は「これから機械学習に取り組みたい」「ディープラーニングや機械学習を使った経験がある」といったエンジニアに向けて、データ量が少なくても分析が実現できる「スパースモデリング」という手法を紹介します。今回は、スパースモデリングの歴史を紐解きながら、その代表的なアルゴリズムであるLASSOについて解説します。スパースモデリングの基本アイデアオッカムの剃刀 2010年代初頭にバズワードにまでなったビッグデータ。今では当時の過熱ぶりはなくなり、ハードウェアやクラウド環境の充実とともに活用が広がっています。ビッグデータには一つの明確に定まった定義はありませんが、RDBMSでは扱いづらくなるほどの大量データであるという量的側面と、データの出処やその種類が多種多様であるという質的側面などが特徴として挙げられます。ビッグデータが手元にあり、解きたいビジネス課題にそのビッグデータを使うのが適当である
stmsy 2019/09/10
スパースモデリング
リンク
機械学習プロジェクトにおける課題と、スパースモデリングに期待が高まる背景
本連載は「これから機械学習に取り組みたい」「ディープラーニングや機械学習を使った経験がある」といったエンジニアに向けて、データ量が少なくても分析が実現できる「スパースモデリング」という手法を紹介します。連載の第1回は、スパースモデリングに注目が集まる背景について紐解いていきましょう。はじめにディープラーニング（深層学習）に代表される機械学習の技術の進展、クラウドやIoTに代表されるデータ取得・収集の基盤の整備を背景に、コンシューマ向けだけではなくビジネス向けにおいても機械学習を活用したサービスに大きな期待が寄せられています。そして、そういったサービスを構築する人材としてデータサイエンティストにも注目が集まっており「21世紀で最もセクシーな職業」とまで言われています。また、ほんの少し前までは数学や統計的な知識がなければ使いこなすことができなかった機械学習も、オープンソースのフレームワー
stmsy 2019/09/10
スパースモデリング
リンク
1