今さら人に聞けない「重回帰分析の各手法の使い分け」 - 渋谷駅前で働くデータサイエンティストのブログ
（※※※続編記事書きました→「使い分け」ではなく「妥当かどうか」が大事：重回帰分析＆一般化線形モデル選択まわりの再まとめ） 今ちょうどadtech tokyo 2013の会期中で、職場からも近い＆会社から行ってこいという指示が出たということで僕も色々セッションを聞いたり企業ブースのお話を聞いたりしてる*1ところです。 ところで、いくつかのセッションの中でキーワードとして「重回帰分析」という言葉が出てきてました。ま、それ自体はこのブログでもRによるデータ分析絡みで頻出だし、ぶっちゃけありふれた手法と言って良いでしょう。やりようによっては普通にExcelでもできますし、それだけ人口に膾炙していると言って良いのかもですね。 ただし。意外にも内部のパラメータというか細かい手法の分岐というか、それこそ普通の線形モデルvs.一般化線形モデル（バリエーション多数）があることを無視して漫然と重回帰分析をや
情報抽出入門 〜非構造化データを構造化させる技術〜
本スライドは、弊社の梅本により弊社内の技術勉強会で使用されたものです。 近年注目を集めるアーキテクチャーである「Transformer」の解説スライドとなっております。 "Arithmer Seminar" is weekly held, where professionals from within and outside our company give lectures on their respective expertise. The slides are made by the lecturer from outside our company, and shared here with his/her permission. Arithmer株式会社は東京大学大学院数理科学研究科発の数学の会社です。私達は現代数学を応用して、様々な分野のソリューションに、新しい高度AIシステム
やる夫で学ぶ応用数学 -フーリエ解析-
■掲示板に戻る■ ■過去ログ倉庫一覧■ やる夫で学ぶ応用数学 -フーリエ解析-1 ： ◆zmN9XuyND6：2011/12/24(土) 20:28:30 ID:QzQ2AiG6 / :..:..:.:.:.:.:.:.:.:.: : : : : : .ﾉ : : : : : : : : : .ハ. /..:..:..:..:..:. :.:.: : : : : : ／: : ／:.}. . . . ／: : : .､ はろー /:..:..:..:..:.. :.: : : : : : ／: : ／ ,勹. . .／.: : : : }:.:.: /:..:..:..:.:.: rt ､/: : ／/ｰ ´ ｀メ､:.:.／.:.／: : :/: : i 今日はフーリエ解析と、その周辺の科学について /:..:..:.:..／∧ /: ／: / { 笊ﾐ彡
第12回 データマイニング+WEB ＠東京 ( #TokyoWebmining 12th)−機械学習MapReduce・大規模R解析 祭り− に参加してきた - yokkunsの日記
第12回 データマイニング+WEB ＠東京 ( #TokyoWebmining 12th)−機械学習MapReduce・大規模R解析 祭り− に参加してきました。 http://tokyowebmining12.eventbrite.com/ 以下、メモです。 1.「MapReduce〜入門編：仕組みの理解とアルゴリズムデザイン〜」 (講師：@doryokujin ） (発表30分+ 議論30分) Map Reduce 〜入門編：仕組みの理解とアルゴリズムデザイン〜 View more presentations from Takahiro Inoue ランダムアクセスを避け、シーケンシャルアクセス。シーケンシャルな読み取りに限定して高速化 MAP ReduceにSSDはあまり効果なし？ SSDだと早くなるけど、如何せん高い Splitフェーズ 複数のmap処理を可能にするためデータを分割
統計的に正しいランキングを行う方法 - Hello, world! - s21g
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 ポジティブ／ネガティブ投票による正しいランキング方法が以下の記事で紹介されています。 How Not To Sort By Average Rating この計算方法では、投票数が少ない場合には分散が大きく不正確な評価で、 投票数が多くなるにつれて分散が小さく正確な評価が得られているという事を考慮しています。以下数式 これはScoreの信頼区間を表しています。 この信頼区間の下界をランキングのスコアにすれば良い事になります。 ここで、は、 です。全体に占めるポジティブ投票数の割合ですね。 は標準正規分布上の 信頼区間の有意確率です。 さて、五段階評価によるRatingに同様のテクニックを適用する場合はどうしたらいいでしょうか
本文抽出ライブラリWebstemmerのblog本文抽出用特化スクリプト「blogstemmer」を書いてみた - FutureInsight.info
以前のエントリーで本文抽出ライブラリWebstemmerを使ってみました。 Webstemmerによるブログの本文抽出 - FutureInsight.info Webstemmerは非常に興味深い本文抽出ライブラリなのですが、ニュースサイトなどの複雑な階層構造を持っているサイトの本文抽出に特化しているため、逆にblogのようなシンプルなケースでの本文抽出に用いるには、ちょっとオーバースペックです。 Webstemmer Webstemmer はニュースサイトから記事本文と記事のタイトルをプレインテキスト形式で自動的に抽出するソフトウェアです。サイトのトップページの URL さえ与えれば全自動で解析するため、人手の介入はほとんど必要ありません。 そのあたりのことを考慮して、本文抽出ライブラリWebstemmerのblog本文抽出用特化スクリプト「blogstemmer」を作成してみました。
パスワード・ポリシーについて――“長さ”か“複雑さ”か
米マカフィーの教育プログラム「Essentials of Hacking」および「Ultimate Hacking」で筆者が講義する際に詳しく取り上げたい話題の一つは，パスワードのブルート・フォース（総当たり）攻撃（関連記事：Networkキーワード「ブルート・フォース攻撃」とは）とクラック（関連記事：情報セキュリティ入門「パスワード・クラック」）である。筆者は通常，まず生徒たちに「強靱なパスワード・ポリシー」について考えてもらい，その後これらのポリシーに共通する実装や攻撃について分析することにしている。必然的に，生徒が考え出すパスワード・ポリシーは，おおむね以下のようなものとなる。 ・最低1文字の大文字 ・最低1文字の小文字 ・最低1文字の数字 ・最低1文字の記号 ・長さは最低7文字 このパスワード・ポリシーを簡単に解析してみると，以下のようなものとなる。 ・文字セットの数は，おおまかに
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
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
