保護中: 統計的因果効果の基礎(1)ルービン効果モデルに基づく因果効果の定義
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用されるルービン効果モデルに基づく因果効果の定義と統計的因果効果の推定(ATT、ATU、ATE)
人工知能:Artificial Intelligence
機械学習プロフェッショナルシリーズ – ガウス過程と機械学習 読書メモ
サマリー
ガウス過程 (Gaussian Process; GP) は、確率論に基づくノンパラメトリックな回帰やクラス分類の手法であり、連続的なデータのモデリングに利用される確率過程の一種となる。ガウス過程のアプローチでは...
Inductive logic Programming 2012論文集より
機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術 AI学会論文 知識情報処理技術 AI学会論文を集めて 推論技術
ILP 2012 22...
ISWC2020論文集より
ISWC2020論文集より
知識情報をハンドリングする人工知能技術の一つであるセマンティックウェブ技術の国際学会であるISWC2020より。前回はISWC2019について述べた。
ISWC2020ではナレ...
保護中: 準実験のデザイン- 観測データからいかに因果関係を導き出すか
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクのためり因果推論でのデータが先にありそこからどのように因果関係を検証するのかについて(操作変数法(IV design: Instrumental variable design)、回帰分断デザイン(RDD; Regression discontinuity design)、中断時系列デザイン(ITS; Interupted time-series analysis)、差の差分析(DID; Difference-in-deferrences analysis 差の差分法とも言う)、傾向スコア・マッチング(PS; Propensity score matching))
保護中: モダンJavascriptの基本から始める React実践 – モダンJavascriptとは
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用されるReact実践のためのモダンJavascriptの基礎(仮想DOM、パッケージマネージャー、ES2015以降、モジュラーハンドラー、トランスパイラ、SPA)
保護中: 相関と因果と関係構造(2)バックドア基準
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクのための因果推論での介入効果を観測すべき変数を絞り込むためのバックドア基準の実際
保護中: 相関と因果と関係構造(1)相関関係(回帰係数)と因果関係(介入効果)のズレ
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクのための統計的因果推論として回帰係数と介入効果の値のズレから見た相関関係と因果関係の相違
劣モジュラ最適化と機械学習
劣モジュラ最適化による機械学習の概要
劣モジュラ関数は、離散的な変数に関する凸関数に対応する概念であり、組合せ最適化問題において重要な概念となる。「組み合わせ」とは「何らかの選択可能な集まりの中から、その一部を選択する」と...
機械学習プロフェッショナルシリーズ「劣モジュラ最適化と機械学習」読書メモ
機械学習プロフェッショナルシリーズ「劣モジュラ最適化と機械学習」読書メモ
劣モジュラ関数は、離散的な変数に関する凸関数に対応する概念であり、組合せ最適化問題において重要な概念となる。「組み合わせ」とは「何らかの選択可能な...