タグ

ブックマーク / mizti.hatenablog.com (2)

  • seabornによる統計データ可視化(ポケモン種族値を例に)(2) - 午睡二時四十分

    前記事の続きです mizti.hatenablog.com 3. Regression plots 2つの系列のデータを受け取り、回帰や残差を可視化します。回帰を可視化するregplotと残差を可視化するresiplotがあります。 regplot plt.figure(figsize=(9, 9)) ax = sns.regplot(x=(pkmn["Total"] - pkmn["Sp. Atk"]), y=(pkmn["Total"] - pkmn["Attack"])) d = ax.set(xlabel='Physical-Attacker Status', ylabel='Sp-Attacker Status') # d is just for supressing output regplotでは与えられた2つのデータから散布図を描き、回帰線を引きます。 散布プロットと回帰線

    seabornによる統計データ可視化(ポケモン種族値を例に)(2) - 午睡二時四十分
  • 動画紹介: 確率的ニューラルネットワークについて - 午睡二時四十分

    昨年末VAEの勉強をしているときに、以下のようなことがわからなくて時間を喰っていた。 なんで確率的に毎回出力の異なるモデルが必要になるのか reparameterization trickがなぜ必要になるのか いろんな人に質問したり、関連サイトを読み漁ってなんとかなったのだが、 PFN得居さんのPyCON2016の講演動画ががとてもわかりやすいので、VAEみたいな確率的NNを 触る前に見ることをお勧め。 5_05 [招待講演 / Invited Talk] 確率的ニューラルネットの学習と Chainer による実装 以下、講演内容前半のメモ。 確率的NNとは何か 出力までの過程に確率分布からのサンプリングが含まれており、そのサンプリングの結果によって出力が変動するような ニューラルネットワークのこと 確率的NNをなぜ使うのか 分類問題などでは、出力として決定的な結果がほしいが、問題によって

  • 1