保護中: 説明できる機械学習(3)解釈可能なモデル(GLM、GAM)

コメント

1. DX、AI活用の為の説明できる機械学習、ロジスティック回帰 | Deus Ex Machina より:

   2021年7月19日 4:47 AM

   […] 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。 […]

   返信
2. 説明できる機械学習技術、決定木を使った解釈可能なモデル | Deus Ex Machina より:

   2021年7月21日 4:21 AM

   […] 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。 […]

   返信
3. 説明できる人工知能について、モルナルの論文の前半の概要 | Deus Ex Machina より:

   2021年7月21日 4:26 AM

   […] 説明できる機械学習(4)解釈可能なモデル(GLM、GAM) […]

   返信
4. 化学物質や自然言語の学習で活用するグラフニューラルネットワーク | Deus Ex Machina より:

   2021年8月11日 5:45 AM

   […] 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。 […]

   返信
5. 機械学習モデルの説明に活用されるスパースモデルのRでの実装 | Deus Ex Machina より:

   2021年8月13日 6:26 AM

   […] 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。 […]

   返信