R によるすごくかんたんなパーティクルフィルタの実装例 - 廿TT
これであってるのかあんまり自信ない。 主に http://daweb.ism.ac.jp/koza/koza2008/PF_Nakano20081030.pdf を参考にしました。 パーティクルフィルタのアルゴリズムは、 一期先の予測を乱数でばらまく 得られた乱数に尤度の重みをつけてまき直す だと理解しました。 そこですごくかんたんなモデルで試してみることにしました。 モデル：「未観測の状態変数は標準偏差 1 の正規分布したがって推移する。得られる観測は状態変数に標準偏差 3 の正規分布に従うノイズが乗ったものである。」 システムモデル： 観測モデル： が観測値です。ただし としました。 particle_filter <- function(x0,y,N) { tmax <- length(y) xx <- matrix(,N,tmax+1) xx[,1] <-rep(x0,N) for
【M-H法】Python で MCMC を書いてみた |
この記事は Python Advent Calendar 2015 19日目の記事です。 MC法 (Monte Carlo Method) からスタートして, MCMC (Markov Chain Monte Carlo) を Python で書いてみます。 MC法による円周率の近似計算 MC法 (Monte Carlo Method)は乱数を利用した計算アルゴリズム。 MC法の hello world 的な例題として, 円周率の近似値を計算する。 import numpy as np import matplotlib.pyplot as plt def main(): N = 100000 x = np.random.uniform(-1.0, 1.0, N) y = np.random.uniform(-1.0, 1.0, N) inside_circle = [] for i in
機械学習.vs.乱数 - 小人さんの妄想
新年おめでとうございます。久しぶりにブログを更新します。どっこい生きてます。 昨年は、たった１回しか更新しませんでした。 今年はブログを書けるくらいのゆとりを持ちたいものです。 さて、昨年までを振り返ると、一部で「サザエさんじゃんけん予想」が話題になったことがありました。 なんでも８割以上の的中率を叩き出した方もおられるとか。 そこまでするには相当の入れ込みが必要でしょうが、ちょっとパソコンで試すだけなら、わりと手軽にできます。 予想の方法はいろいろありますが、私は以下のブログを参考に、scikit-learnという機械学習を試してみました。 * サザエさんのジャンケンの次の手を決定木で予測+可視化してみた >> http://sucrose.hatenablog.com/entry/2014/11/23/230622 やったことは、上のブログにある通りです。 ・パソコン上に Python
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
