保護中: 因果推論イントロダクション(2)層別解析と回帰モデルによる分析
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統計的因果推定のための層別解析と回帰モデルによる分析による因果推論の理論と実際
保護中: 因果推論イントロダクション(1)交絡因子とランダム化実験
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習タスクのための統計的因果推論のイントロダクション(因果関係と疑似相関を区別する為の交絡因子を制御するランダム化実験)
ベイズモデリングの世界
概要
個体差や不均一性のモデル化」という視点から現代のベイズモデリングの世界を俯瞰する。生態学、医学、地球科学、自然言語処理などを例に、平滑化、階層モデル、データ同化、各種の言語モデルなどについてベイズモデリングの観点から...
問題解決手法と思考法及び実験計画
問題解決手法と思考法及び実験計画について
問題解決基本的な考え方と、様々な課題分析の手法と課題解決の為の仮説の立案と推定、更に具体的な問題解決のステップについて述べる。
まず問題解決の基本的なステップに関して古...
機械学習プロフェッショナルシリーズ「グラフィカルモデル」読書メモ
サマリー
ベイズ推定は、確率論的な視点からデータの解釈やモデルの学習を行う統計的な手法の一つとなる。ベイズ推定を用いた機械学習では、事前知識や経験をモデルに組み込み、データを通じてその知識を更新していくことが特徴で、データが...
ノンパラメトリックベイズとガウス過程について
概要
ノンパラメトリックベイズとは、ベイズ統計学の一手法であり、1970年台にすでに理論的には完成されてきた「古くて新しい技術」で、データに依存した柔軟な確率モデルを使用して、データ解析や予測を行う統計的手法となる。ノンパラメ...
ベイズ推論とグラフィカルモデルによる機械学習
ベイズ推論とグラフィカルモデルによる機械学習
ベイズ推論を用いた機械学習は、確率の基本法則であるベイズの定理に従って観測データが与えられたときの未知変数に関する事後確率分布を計算し、得られた事後確率分布に基づいて、未知変数の推...
保護中: 統計的因果探索 – 拡張アプローチ
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)タスクで用いられる統計的因果推論でのLiNGAMアプローチ仮定(線形性、非巡回性、非ガウス性)の拡張
保護中: 未観測共通項がある場合のLiNGAM(2)未観測共通原因を和としてモデル化するアプローチ
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への未観測共通原因を和としてモデル化するLiNGAMアプローチ
変分ベイズ学習について
変分ベイズ学習について
変分ベイズ学習は、ベイズ推定における確率的なモデルに変分法のアプローチを適用して、近似的に事後分布を求めるもので、確率分布が複雑で解析的に求めることが難しい場合や、大規模なデータに対して効率的に推定を行...