ICML2012読み会に参加して発表してきました - シリコンの谷のゾンビ
ICML2012読み会に参加して発表してきました．主催の@nokunoさん，会場を提供して頂いた@shuyoさん，サイボウズさん，参加者のみなさまありがとうございました! 自分は以下の論文を紹介 C. Scherrer, M. Halappanavar, A. Tewari, D. Haglin, "Scaling Up Coordinate Descent for Large L1 Regularization Problems" 発表資料をslideshareにupしました． ICML2012読み会 Scaling Up Coordinate Descent Algorithms for Large L1 regularization Problems from sleepy_yoshi 発表資料に書いてあるとおり，並列Coordinate Descentの一般化フレームワークの提唱と
SVM実践ガイド (A Practical Guide to Support Vector Classification) - シリコンの谷のゾンビ
SVMツールで有名なLIBSVMの作者らがまとめた "A Practical Guide to Support Vector Classification" という良資料[1]の日本語解説資料をまとめてみたので公開． SVM実践ガイド (A Practical Guide to Support Vector Classification) View more presentations from sleepy_yoshi 元資料はこちら 本資料作成のきっかけは，まわりの人に「SVMとかいう手法使ったんだけど，機械学習よくわからなくてさ」という感じで相談を受けて「カーネルは何使ってるの?」「素性のスケーリングはした?」「Cパラメータは調整した?」というようなことを聞くのだけれど，「???」というやりとりにうんざりしたから． その都度，Cパラメータというものがありまして〜，カーネルというものが
JavaScriptによるk-Nearest Neighbor体験デモ - シリコンの谷のゾンビ
研究室の後輩向けに機械学習実装レクチャのようなものをやってみたのだけれど，知識ゼロの学生を対象にした場合にはk-NN (特に1-NN) から始めるのがよかろうと思ってそこから解説してみた*1．実装もとても簡単． なおk最近傍法とか呼ばれたりもするk-NNは，入力されたデータ点のk個の近傍のラベルによって分類するという方法． 帰宅してから，これcanvasを使えばブラウザから利用できるデモできるんじゃね? ということを思いついてさっそく実装．せっかくだから正規分布からデータ生成するロジックも追加してみた．k-NNとか機械学習とかわからない人たちにイメージをつけるのに役に立つかもしれないので公開．ご自由にお試しください*2． k-Nearest Neighbor Demo ver.1.0 k-NNくらい簡単だと静止した図の説明で大体事足りるのだけれど，動くデモがあった方が眠くならないだろうし．
第10回MG輪講: 5章 Index Construction - シリコンの谷のゾンビ
第10回MG輪講に参加してきました．13:00-19:00の長丁場でした． 内容が盛りだくさんだったので，帰宅してから復習がてらに学んだ内容をまとめてみました．やっぱりもりだくさんという事実と，参加者以外には到底理解できないであろうまとめノートが出来上がりました． 目次はこんな感じ．長い． 5. Index construction 5.1 Memory-based inversion 5.2 Sort-based inversion 5.3 Exploiting index compression 5.4 Compressed in-memory inversion 5.5 Comparison of inversion methods 5.6 Constructing signature files and bitmaps 5.7 Dynamic collections 本章は大きく三
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
