機械学習:Machine Learning

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
グラフ理論

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
ベイズ推定

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...
ベイズ推定

機械学習プロフェッショナルシリーズ「変分ベイズ学習」読書メモ

サマリー 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いたい場合に...
グラフ理論

保護中: 未観測共通項がある場合のLiNGAM(1) 独立成分分析で未観測共通原因を明示的にモデルに組み込むアプローチ

デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習タスクに活用される統計的因果推論における独立成分分析で未観測共通原因をモデルに組み込むLiNGAMアプローチ
Symbolic Logic

保護中: LiNGAM(4)LiNGAMモデルの推定(2)回帰分析と独立性の評価を用いたアプローチ

デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習に活用される統計的因果推論への回帰分布と独立性評価を繰り返すアプローチによるLiNGAM推定の適用
タイトルとURLをコピーしました