データ解析のための統計モデリング入門（緑本）の読書メモ（PythonとStanで） - Qiita
「緑本」として有名なデータ解析のための統計モデリング入門の読書会を行ってました。その際に読書メモを作成したので共有します。 GitHubにJupyter Notebookとしてアップしてます。 書籍中のR,WinBUGSのコードは、できるだけPythonやStanで記載してます。 Chap1 データを理解するために統計モデルを作る Chap2 確率分布と統計モデルの最尤推定 Chap3 一般化線形モデル(GLM)―ポアソン回帰 Chap4 GLMのモデル選択―AICとモデルの予測の良さ Chap5 GLMの尤度比検定と検定の非対称性 Chap6 GLMの応用範囲をひろげる―ロジスティック回帰など Chap7 一般化線形混合モデル(GLMM)―個体差のモデリング Chap8 マルコフ連鎖モンテカルロ(MCMC)法とベイズ統計モデル Chap9 GLMのベイズモデル化と事後分布の推定 Chap
【Day-17】DeepLearning系ライブラリ、『Keras』の使い方まとめ(2.x対応版) - プロクラシスト
【最終更新 : 2017.12.17】 ※以前書いた記事がObsoleteになったため、2.xできちんと動くように書き直しました。 データ分析ガチ勉強アドベントカレンダー 17日目。 16日目に、1からニューラルネットを書きました。 それはそれでデータの流れだとか、活性化関数の働きだとか得るものは多かったのですが、Kerasと言うものを使ってみて、何て素晴らしいんだと感動してしまいました 今まで苦労して数十行書いていたものが、わずか3行で書ける！ 正直、スクラッチで書く意味って、理解にはいいけど研究や分析には必要あんまないんですよね。車輪の再発明になるし。 と言うわけで、使えるものはどんどん使っていこうスタンスで、今日はKerasの紹介です！ Tutorial+気になった引数を掘り下げて補足のような感じで書いています。 ちなみに、各部のコード以下をつなぎ合わせるとmnistの分類器が動くよ
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
