2. 自己紹介 • 新潟にある長岡技術科学大学で修士まで6年。 • 4月からデータ分析のお仕事始めました。 • 職場まで徒歩0分です。 • 主な使用言語 • Python、R、シェルスクリプト (+ mcmd) • Clojure もちょこちょこ学習中 • 前々回の Tokyo.R では 「R でダイエット」 という タイトルで LT しました。 • http://www.slideshare.net/tojimat/diet-by-r 2
ニーズがあるのかさっぱりわからない機械学習超入門だけどひっそり続けていきたい。 前回は識別関数の基礎であるパーセプトロンの簡単な説明とPerlによる実装を解説した。実はこの時点でかの有名なSVM(Support Vector Machine、サポートベクターマシン)もほぼ完成していたのだ!というわけで今回はSVMをPerlで作ってしまうお話。 参考: これからはじめる人のための機械学習の教科書まとめ - EchizenBlog-Zwei 機械学習超入門 〜そろそろナイーブベイズについてひとこと言っておくか〜 - EchizenBlog-Zwei 機械学習超入門II 〜Gmailの優先トレイでも使っているPA法を30分で習得しよう!〜 - EchizenBlog-Zwei 機械学習超入門III 〜機械学習の基礎、パーセプトロンを30分で作って学ぶ〜 - EchizenBlog-Zwei さて
機械学習には大きく分けて「識別関数」「識別モデル」「生成モデル」の3つの種類がある。このなかで識別関数は確率を使わないので初心者が入門するのに最適。 識別関数で有名なのはSVM(Support Vector Machine、サポートベクターマシン)。名前を聞いたことがある人も多いと思う。そこで早速SVMを学ぼうとすると敷居が高くて挫折しがち。 実はSVMは(大雑把に言うと)パーセプトロンという基礎的な識別関数に「マージン最大化」と「カーネル関数」という考え方を導入したもの。なので機械学習入門者は最初にパーセプトロンを学ぶのが良いと思われる。 そこで早速パーセプトロンを作ってみよう!というのが本記事の意図するところ。自分で実装できるとモチベーションが維持しやすいので、詳しく理論を学ぶ前にまずは作ってみようという考え。ちなみに実装にはperlを用いた。 参考: これからはじめる人のための機械学
2010/11/10 線形SVM 相変わらず学習関係が楽しいので引き続きやってる。 PRMLだけだと難しくて苦しいので、章によっては他の本にも頼ってる。 パターン認識と学習の統計学―新しい概念と手法 統計科学のフロンティア 6 甘利 俊一 麻生 英樹 津田 宏治 村田 昇 岩波書店 2003-04 売り上げランキング : 39435 Amazonで詳しく見る by G-Tools 参考にしたところ 人工知能に関する断想録 http://d.hatena.ne.jp/aidiary/ python - 機械学習の「朱鷺の杜Wiki」 http://ibisforest.org/index.php?cmd=read&page=python&word=cvxopt CVXOPT http://abel.ee.ucla.edu/cvxopt/ #!/usr/bin/env pytho
最近よく巷で耳にするモノ. SVM, Support Vector Machine, さぽーとべくたーましん. これっていったい,どんなもんなんでしょう. なにやら便利そうなモノらしいので,ちょいと調べて要点をまとめてみようかな,なんて. でも,ただまとめただけだとそのへんの記事を読むのとなんにも変わらないので, コーディングするために必要な知識を中心にまとめてみることにします.
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