Support Vector Machinesを用いた「魔法少女まどか☆マギカ」人物予測モデル - Y's note
言語処理のための機械学習入門 (自然言語処理シリーズ) 作者: 高村大也,奥村学出版社/メーカー: コロナ社発売日: 2010/07メディア: 単行本購入: 13人 クリック: 235回この商品を含むブログ (39件) を見る 人物予測モデル 記事のタイトルがだいぶ固い内容になっていまいましたがやりたい事はとても簡単です。過去に発せられたまど☆マギ台詞の形態素を学習し、予測モデルを作成します。その後に未分類の形態素のデータセットを与えた時にどれだけ人物のラベル付けが正しく行われたかを評価します。予測モデルの対象となる人物は鹿目まどか/暁美ほむら/美樹さやか/キュゥべえ/佐倉杏子/巴マミの合計6名です。機械学習にはSVMを利用します。先に実験の結果をお伝えしておくと、台詞の形態素ベクトルでは十分なマルチラベリングができていません。それでもこの記事が気になる方は読み進めてください。処理手順の詳
Intelligence Architecture けんきうノート - SVM
\(l\) 個の入力ベクトル \( x_i \ (i=1,\ldots,l) \) と、各 \( x_i \) が属するクラス \( y_i \in \{-1,+1\} \) が学習データセットとして与えられたときに、これを正しくクラス分類する超曲面 \( f(x)=0 \) を求めることを考えます。 もう少し具体的に書くと、 \[ y_i f(x_i) > 0 \] となる \( f \) を求めることと同値です。 また実際は、 \( f \) はいくつかの変数でパラメタライズしてあって、結局はそのパラメータをどうにかして決める問題になります。 \( y_i=+1 \) のデータ群と \( y_i=-1 \) のデータ群がきれいに分割されていて、超平面 \[ f(x)=wx+b=0 \] で間違いなく分離できると仮定します。（ \( w \) は重みベクトルパラメータ、 \( b \)
R言語でSVM(Support Vector Machine)による分類学習 - Y's note
サポートベクターマシン入門 作者: ネロクリスティアニーニ,ジョンショー‐テイラー,Nello Cristianini,John Shawe‐Taylor,大北剛出版社/メーカー: 共立出版発売日: 2005/03メディア: 単行本購入: 8人 クリック: 135回この商品を含むブログ (41件) を見る SVMとは Support Vector Machineの略で教師あり学習に分類されます。線形、非線形の識別関数があり現在知られている多くの学習モデルの中では最も優れた識別能力があるとされています。いわゆる2値分類を解くための学習モデルであり、線形しきい素子を用いて分類器を構成します。訓練データにおける各データ点と距離が最大になるマージン最大化という基準で線形しきい素子のパラメータを学習させます。シンプルな例は与えられたデータ集合を全て線形に分離する事です。SVMはカーネルトリックという
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
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
