異常検知のための One Class SVM - Qiita
One Class SVM とは SVM : クラス分類、教師あり学習 One Class SVM ：外れ値検出、教師なし学習 異常検知：異常検知とは簡単にいえば、「他に比べて変なデータを見つけ出す」タスク (ソース： https://research.preferred.jp/2013/01/outlier/) 統数研の丸山副所長がよくおっしゃる「ビッグデータ周辺の問題の多くはサンプリングとExcelで解ける」という話が、異常検知タスクではあまり成り立たない (ソース： https://research.preferred.jp/2013/01/outlier/) クラス分類問題に用いられるサポートベクターマシンは教師あり学習ですが、１クラスサポートベクターマシンは教師なし学習です。したがって、外れ値検出のための教師データは不要です。 (ソース： http://sudillap.hate
Online Nonlinear Support Vector Machine for Large-Scale Classification
Online Nonlinear SVM for Large-Scale Classification Online Nonlinear Support Vector Machine for Large-Scale Classification Yuh-Jye Lee Joint work with Y.-C. Tseng and I.-F. Chen Lab of Data Science and Machine Intelligent Dept. of CSIE@TaiwanTech. 2014 Statistics and Machine Learning Workshop September 11, 2014 Yuh-Jye Lee Joint work with Y.-C. Tseng and I.-F. Chen Online Nonlinear SVM for Large-S
LIBSVMとかLIBLINEARとかのメモ - 唯物是真 @Scaled_Wurm
LIBSVM -- A Library for Support Vector MachinesとかLIBLINEAR -- A Library for Large Linear Classificationを使って二値分類の問題で遊んでいました。 その時にすぐにわからなかったことのメモ。 Accuracy以外の尺度を出力する 普通LIBSVMやLIBLINEARを使ってクロスバリデーションをするとAccuracyが出力されますが、二値分類においてはその他の尺度PrecisionやRecall、F値やAUCなどが見たい時があります。 LibSVMのcross validationオプションでprecision/recallを出力する - 睡眠不足？！ こちらの記事ではLIBSVMでPrecisionやRecall、F値を出力させるパッチが公開されています。 簡単に適用できてわかりやすいです。
カーネル法 正定値カーネルを用いたデータ解析
1 2004 11 24~26 Final version. Nov.26, 2004 2 I 1. 2. � � 3. � � PCA CCA . � � Bochner � representer 3 II 5. � � � ICA, 7. 4 g(x) Parzen window ∑ = − = N i i x x g N x p 1 ) ( 1 ) ( 5 1. � 6 � ⎟ ⎟ ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ ⎛ = N m N m m X X X X X X X L M M L L 1 2 2 1 1 1 1 m N 7 x1 x2 z1 z3 z2 ) 2 , , ( ) , , ( 2 1 2 2 2 1 3 2 1 x x x x z z z = 8 � xi Φ(xi) zi H Ω H Ω H → Ω Φ : 9 � H = feature space
線形SVM - 人工知能に関する断創録
下巻に入って7章のサポートベクトルマシン（Support Vector Machine: SVM）を実装してみます。SVMに関しては、有名なSVMのライブラリ（libsvm）を使ったことがあるだけで、アルゴリズム詳細はPRMLで初めて学習しました。なので変なことを書いていたらコメント欄で指摘してもらえると助かります。 まずは、一番簡単な線形SVMを実装してみます。今までと同様に直線（超平面）でデータが完全に分離できる場合です。PRMLの7章には特に説明がありませんが、カーネル関数に下の線形カーネル（データのただの内積）を用いた場合に相当するようです。このカーネル関数を多項カーネルやガウシアンカーネルに変更すると線形分離不可能なデータも分類できるようになるとのこと。非線形SVMは次回ためしてみます。 まず、SVMの識別関数は、式（7.1）で表せます。 今までと違ってバイアスパラメータをまとめ
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
