- 1 名前：デフォルトの名無しさん [2019/05/01(水) 10:39:45.57 ID:Wg+J+pQH0.net]
- 機械学習とデータマイニングについて語れ若人
■関連サイト
機械学習の「朱鷺の杜Wiki」
ibisforest.org/
Machine Learningを用いた論文一覧2018
https://shiropen.com/seamless/machine-learning/2018
2017年のディープラーニング論文100選
https://qiita.com/sakaiakira/items/f225b670bea6d851c7ea
DeepLearning研究 2016年のまとめ
qiita.com/eve_yk/items/f4b274da7042cba1ba76
■前スレ
【統計分析】機械学習・データマイニング23
https://mevius.5ch.net/test/read.cgi/tech/1551352040/
VIPQ2_EXTDAT: default:vvvvvv:1000:512:----: EXT was configured
- 1018 名前：デフォルトの名無しさん [2019/06/28(金) 21:56:21.11 ID:BWz5SbEt0.net]
- >>990
そんな簡単な話なんですか？
- 1019 名前：デフォルトの名無しさん [2019/06/28(金) 22:00:37.83 ID:BWz5SbEt0.net]
- >>192
統計学が大学一年レベルでこの業界って無茶すぎるしそもそも下のアルゴリズムがすでに大学3ー4年レベルの統計学じゃん
- 1020 名前：デフォルトの名無しさん mailto:sage [2019/06/28(金) 22:09:57.11 ID:3mLnUJ2u0.net]
- >>991
MDSに関してはそんなレベルだと思うよ
線形変換がよくないっていうならisomap、tSNE、umapとかいろいろ手法があると思うけどパラメータのチューニングどうするんだっていうのは分からんです
- 1021 名前：デフォルトの名無しさん [2019/06/28(金) 22:18:41.44 ID:BWz5SbEt0.net]
- >>993
ありがとう
- 1022 名前：デフォルトの名無しさん [2019/06/28(金) 22:19:57.41 ID:BWz5SbEt0.net]
- いわゆる最小二乗法っていうのは正規線形モデル(つまり誤差項が正規分布に従う仮定の線形モデル)でほかの確率分布を想定するために一般化線形モデル(正規分布以外の分布にも従うことを想定するモデル)があるっていうことでいいんでしょうか？だれかおしえてください
私の認識では正規分布に従う仮定ならばパラメータの推定は最小二乗法という簡単な行列計算で行うことができるけど他の分布の仮定であれば一般化線形モデルのもと最適化アルゴリズムを利用した最尤法を行わなければいけないという理解なんだけどあってるのかな？
- 1023 名前：デフォルトの名無しさん [2019/06/28(金) 23:40:15.64 ID:HvoUsiIUM.net]
- >>995
入門書ぐらい読んでから質問しなよ？
- 1024 名前：デフォルトの名無しさん [2019/06/29(土) 00:25:52.88 ID:pC5pXrtS0.net]
- >>996
合ってるかどうかだけでも教えてくれないか？
- 1025 名前：デフォルトの名無しさん mailto:sage [2019/06/29(土) 00:57:33.82 ID:sli9M1dN0.net]
- >>995
Rでlmとglmの引数の違いを見つめてれば何かが分かるはず
- 1026 名前：デフォルトの名無しさん mailto:sage [2019/06/29(土) 01:19:10.70 ID:3pgMwDvE0.net]
- >>995
あってるよ
データ解析のための統計モデリング入門が良書でオススメ
>>707が著者の本に沿ったプレゼン
- 1027 名前：デフォルトの名無しさん mailto:sage [2019/06/29(土) 01:27:35.71 ID:sli9M1dN0.net]
- 1000!
線形モデルで最尤推定してもいいんだよ？
その場合、確率分布が正規分布だから
最小二乗と結果同じになるけど
- 1028 名前：1001 [Over 1000 Thread.net]
- このスレッドは１０００を超えました。
新しいスレッドを立ててください。
life time: 58日 14時間 47分 50秒
- 1029 名前：過去ログ ★ [[過去ログ]]
- ■ このスレッドは過去ログ倉庫に格納されています
|
 |
