保護中: 説明できる機械学習(3)解釈可能なモデル(GLM、GAM) 機械学習:Machine Learning Twitter Facebook はてブ Pocket LINE コピー 2023.05.25 2021.07.19 このコンテンツはパスワードで保護されています。閲覧するには以下にパスワードを入力してください。 パスワード: {{#message}}{{{message}}}{{/message}}{{^message}}送信は失敗しました。 サーバーから「{{status_text}}」というレスポンスがありました（コード: {{status_code}}）。 このフォーム処理機能の開発者に連絡して、このメッセージを改善してください。 さらに詳しく{{/message}}{{#message}}{{{message}}}{{/message}}{{^message}}送信は成功したようです。 サーバーのレスポンスが OK でも、送信が処理されていない場合があります。 このフォーム処理機能の開発者に連絡して、このメッセージを改善してください。 さらに詳しく{{/message}}送信しています…
コメント
[…] 次回は線形回帰モデルの発展形であるGLM、GAMについて述べる。 […]
[…] データサイエンティストのクリストフ・モルナル（Christoph Molnar）氏が著した『解釈可能な機械学習──ブラックボックス化したモデルを説明可能にするためのガイド』の日本語訳がWeb上で無料公開されている。前回は線形モデルの拡張であるGLM、GAMについて述べた。今回は決定木について述べる。 […]
[…] 説明できる機械学習(4)解釈可能なモデル(GLM、GAM) […]
[…] ここで、上記のメッセージ伝搬的な考えた方を使ったアルゴリズムとして「グラフ畳み込み(graph convolution)」がある。グラフ畳み込みとは、以下に示すようにあるノードv1に対して、そのノードが持つ隠れ層(h_1^{new})を計算するときに、近隣のノードの和を計算した上で関数f(シグモイド関数等)で演算するという以前一般化線形モデル(GLM)で述べたモデルとなる。 […]
[…] glmnetは、重回帰、ロジスティック重回帰、ポアソン重回帰など、一般化線形モデル(GLM)に関するスパース推定を実装している。通常の重回帰に関してはscikit-learnを用いることでpythonを用いても実行することができる。R言語ではgroup lassoやgraphical lassoのためのパッケージも用意されている。 […]