アルゴリズム — Jubatus
Overview¶ 回帰問題は，入力 \(x\) に対応する特徴ベクトル \(\phi(x) \in R^m\) に対して，実数値の出力 \(y \in R\) を当てる問題である． 今回実装したのは，線形回帰モデルである． 線形回帰モデルでは，パラメータ \(w \in R^m\) を利用して，入力 \(x\) に対して \(\hat{y} = w^T \phi(x) \in R\) で予測する． 学習時には，分類問題同様，正解データセット \(\{(x_i, y_i)\}\) を利用して，正解データに対して正しく予測できるように重みベクトルを推定する． 典型的には1800年代に，予測値と実測値との自乗和を最小化させる最小二乗法が提案されている． この方法はバッチ処理になるため，今回の調査ではオンライン学習させる方法を利用した． Passive Aggressive¶ Passive A
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
Expected behavior for updates between MIX · Issue #840 · jubatus/jubatus
