IOT技術:IOT Technology 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:Machine Learning
IOT技術:IOT Technology Symbolic Logic 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...
グラフ理論 ベイズ推論とMCMCのフリーソフト
ベイズ推定とMCMC(マルコフ連鎖モンテカルロ法)の概要
ベイズ推定とは、ベイズの定理を用いて、事前分布と観測データに基づいて未知のパラメータを推定する統計的手法であり、これをもう少し詳しく述べると、事前分布、尤度関数、...
グラフ理論 機械学習スタートアップシリーズ – ベイズ推論による機械学習入門 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...
Symbolic Logic 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
Symbolic Logic 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)
グラフ理論 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...
グラフ理論 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...
グラフ理論 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...
Symbolic Logic 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