Python R Pythonによるニューラルネットワークの実装➁
1からニューラルネットワークをpythonで実装します。これは2番目の記事です。誤差関数の計算と、勾配の計算をする関数を実装します。
機械学習
Python R Python R Pythonによるニューラルネットワークの実装①
ニューラルネットワークモデルをpython で1から作ります。この記事では、データを受け取って予測値を返す関数と、正解率を計算する関数を作成します。
ベイズ統計学 ベイズ線形回帰
ベイズの定理を用いて回帰分析を行います。ベイズの定理を使うと、予測値がどれくらい信頼できるかまで分かるので、データによっては積極的に使っていきたい代物でです。
機械学習 汎化性能、表現力はトレードオフな事が分かる記事
機械学習で必ず直面する問題の一つに過学習があります。過学習は、表現力が高すぎる故に起こる現象です。汎化性能が表現力とトレードオフである事を説明し。汎化性能を高める方法を解説します。
カーネル法 サポートベクトルマシン➂(サポートベクトル回帰)
サポートベクトルマシンを回帰問題に使う時はサポートベクトル回帰と呼びます。サポートベクトル回帰の原理を解説をします。サポートベクトル回帰は過学習しにくい訳を原理から解き明かします。カーネル回帰と比べて、圧倒的に汎化性能が高い事を実験で確かめます。
カーネル法 サポートベクトルマシン➁(幾何学的意味)
サポートベクトルマシンの幾何学的意味を説明します。マージン最大化と言う原理と、誤差関数を最小化する事が同じである事を解説します。また、サポートベクトルマシンをカーネル化する事で、非線形なデータも分類できることを解説します。
カーネル法 サポートベクトルマシン入門
サポートベクトルマシンの原理を解説します。サポートベクトルマシンの導出から始めて、サポートベクトルの意味について解説します。また、サポートベクトルマシンの持つスパース性についても解説します。
Python R Google Colab によるpython環境構築
機械学習を始めるにあたって、環境を作るのが第一の壁になります。既に作られたライブラリが沢山あるので、python がオススメです。Google が提供するサービスを使うことで、python 環境が簡単に作れます。さらに、性能の良いパソコンを計算に使うことが出来るようになります。
ベイズ統計学 ベイズの定理応用(故障時期の予測)
対数正規分布は、モノが壊れる事象を表すのによく使われます。また、logを取ると正規分布に従うという性質を持ちます。故障の発生時期などをベイズの定理で予測する方法を紹介します。
カーネル法 カーネル法入門
カーネル法の入門記事です。カーネル法を使うメリットデメリットを、回帰分析、カーネル回帰、カーネルリッジ回帰を例に出して簡単に、分かりやすく解説します。。