グラフ理論 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...
機械学習:Machine Learning
グラフ理論 Symbolic Logic 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))
Symbolic Logic 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
Symbolic Logic 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
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...
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)