バンディットアルゴリズムを用いて意思決定の自動化を行う事は近年様々なビジネスで適応されるようになってきました。 しかし、バンディットアルゴリズムから生まれたログデータがどのような性質を持ち、どのような分析を行う事が出来るのかはあまり知られていません。この発表ではバンディットアルゴリズムのログデータを利用したPolicyの学習や因果推論への応用などについて解説します。
バンディットと因果推論
バンディットアルゴリズムを用いて意思決定の自動化を行う事は近年様々なビジネスで適応されるようになってきました。 しかし、バンディットアルゴリズムから生まれたログデータがどのような性質を持ち、どのような分析を行う事が出来るのかはあまり知られていません。この発表ではバンディットアルゴリズムのログデータを利用したPolicyの学習や因果推論への応用などについて解説します。
CFMLの概要と研究動向 / cfml #1 introduction
CFML勉強会#1の資料です。(https://connpass.com/event/128714/)
因果推論で推薦システムを問い直す @CFML勉強会#1
方策の長期性能に対する�効率的なオフライン評価・学習 (Long-term Off-Policy Evaluation and Learning)
bashの似てて紛らわしいもの '.' と 'source' について - それマグで！
似てて紛らわしいものシリーズ . / source について bash の記号で初心者泣かせの、似てて紛らわしかったり、使い分けがわからなかったり、読み方を間違えてパニックになる記号について書く。 . / source について . と source は、どちらも同じ意味と効果を持ちます。 . / source は外部のファイルを読み込んで現在実行中の箇所に展開します。 他の言語でいうところの、require や import になります。 大きな違い . は POSIX に定義されていてどこでも使えます。 source は bash 特有のコマンドです。*1 そのため source コマンドは/bin/sh では使えません。と一般的に説明されてています。 sh では sourceは動きません。。。？ そのshはほんとうにshですか？ 例外もあります。 たとえば、手元のmac OSX の
#dlang 所有権と借用をD言語に組み込む【翻訳】 - Kotet's Personal Blog
Ownership and Borrowing in D – The D Blog を 許可を得て 翻訳しました。 誤訳等あれば気軽に Pull requestを投げてください。 ほとんどのプログラムはメモリを確保し、管理します。 プログラムが複雑になり、失敗がより大きな損害を引き起こすようになるにつれて、 メモリ管理を正しく行うことはますます重要になってきています。 一般的には以下のような問題があります。 メモリリーク（使っていないメモリを解放しない）二重フリー（複数回メモリを解放する）use-after-free（すでに開放されたメモリを参照する）問題は、どのポインタがメモリを解放する責任を持つか（つまり、メモリを所有しているか）、 どのポインタがメモリを参照しているか、どれが（スコープ内で）アクティブかです。 一般に以下のような解決策があります。 ガベージコレクション（Garbage
Combinatorial optimization with graph convolutional networks and guided
2. 自己紹介 ４月から大学院生（博士課程） 脳科学の研究をしています 富山大学 井ノ口研 解析ソフト作ったり 脳のモデルを作ったり コーディングは人生 Python ﾁｮｯﾄﾜｶﾙ C/C++ ﾁｮｯﾄﾜｶﾙ LISP ｾﾞﾝｾﾞﾝﾜｶﾗﾅｲ 大野 駿太郎 @doraneko_b1f https://github.com/doraneko94 Krypto 全探索マシーン Python で GIS するやつ エニグマ暗号器 Alpha Zero モドキ Game AI etc. 【なんでもありのHP】 https://ushitora.net/ 4. 背景 “Recent progress in deep learning has stimulated increased interest in learning algorithms for NP-hard probl
特徴量重要度にバイアスが生じる状況ご存知ですか？ - 学習する天然ニューラルネット
なぜこの記事を書いたのか？ 決定木をベースにしたアルゴリズムのほとんどに特徴量重要度という指標が存在する。データに対する知識が少ない場合はこの指標を見て特徴量に対する洞察深めることができる。KaggleではEDAのときにとりあえず重要度を見てみるなんてこともするようだ。 しかし、この特徴量重要度にはバイアスが存在していて、特定の条件下では信用出来ないことがある。そういった条件を広く知ってほしいということでこの記事を書いた。 この記事では人工データを生成しバイアスを再現してみた。また、こういったバイアスに対処したという論文を見つけたので軽く紹介する。おまけとしてgainベース以外の特徴量重要度についても紹介する。 目次 なぜこの記事を書いたのか？ 想定読者と実験の枠組み 想定読者 限定する枠組み 特徴量重要度とは？ 特徴量重要度にバイアスが生じる条件 1. 解像度が低い場合 2. 特徴量同士
みずほ、新システム全面稼働＝信頼回復へ大きく前進（時事通信） - Yahoo!ニュース
みずほフィナンシャルグループ（FG）は16日、新たな銀行業務の基幹システムを全面的に稼働させた。これにより、連休中に停止していた現金自動預払機（ATM）を含むすべてのサービスを16日午前8時から再開し、17年越しの課題だったシステム統合を完了。過去2度の大規模な障害で失墜した信頼の回復に向け大きく前進する。 みずほによると、システムは正常に動いているが、翌17日朝の取引処理などが完了するまでは稼働状況を引き続き注視する。 新システムへの移行作業は、昨年6月から9回にわたって段階的に実施しており、最後となる今回はみずほ信託銀行の勘定データを13日からの作業で移行。システム一元化により、ITと金融が融合したフィンテックを活用した事業連携に加え、利便性の高い次世代金融サービスの提供が容易になるという。
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
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
