東京大学グローバル消費インテリジェンス寄付講座では過去、東京大学内で7期、オンラインで10期の開催実績があります。これまで7000名以上にデータサイエンスの基礎〜機械学習スキル習得の機会を提供してきました。受講後には、企業との共同研究プロジェクトへの参画機会があり、起業家も多く輩出しています。
![東京大学グローバル消費インテリジェンス寄付講座 - Chair for Global Consumer Intelligence](https://cdn-ak-scissors.b.st-hatena.com/image/square/da212c0f50d97e619ed629e32cbd9ae9bf953187/height=288;version=1;width=512/https%3A%2F%2Fgci2.t.u-tokyo.ac.jp%2Fwp-content%2Fuploads%2F2023%2F03%2F3c5669187bc3ed94bc5a32dcd1b0a6e8.png)
GraphX Advent Calendar 2014 - Adventar 16日目です。 今日からはクラスタリングを見ていきます クラスタリングで一般的なのは K-means 法に代表される距離によって分類していくやり方ですが、グラフ分析では「密度」で計測します。辺による繋がりによる頂点の密度が高くなるグループを作って、クラスタリングしていきます。 グラフ分析でもクラスタリングの手法にはいろいろありますが、今日はそのクラスタリングの指標の計算を見ていきます。この指標をモジュラリティと言います。 モジュラリティ計算方式 ※ 当初はこのスライドを使って計算式の説明をしていましたが、いくつか誤りがあるようなので、訂正します。 モジュラリティの計算方式は、以下のようになります。 数式ワカラナイ… でも頑張って説明したいと思います。 まずは、考え方ですが、一言で言うと、「クラスタ内部の辺の数が、
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