機械学習

機械学習

ベイズニューラルネットワーク

ニューラルネットワークをベイズ風に解説します。ニューラルネットワークを一つの関数だと思ってパラメーターの事後分布を求めたり、予測値の事後分布を求めたりします。色々近似を行わないと解析的に解けないのが大変な所です。
機械学習

python で生成モデル(generative model)!

生成モデル(generative model)の解説記事です。生成モデルの概要を説明し、モデルの中身を見てみます。最後に、潜在空間( latent space)の大事さを確認して、手書き文字画像を生成させてみます。
Python R

最も簡単な異常検知の手法-ホテリングのT2 理論

異常検知の入門ともいえる、ホテリングのT2理論を使ってみる記事です。python で1次元、多次元データに対する異常度の計算を実装します。
Python R

ベイズ統計学でブログのアクセス数を解析する

ある時期からユーザー数が増えた感じがしていますが、機械学習で解析できないでしょうか。出来ます。ポアソン混合モデル+変分推論を使って当ブログのユーザー数を解析します。
Python R

変分推論をpythonで実装する

ポアソン混合モデルを変分推論で近似するクラスをpython で実装します。ELBOを監視して、計算を早めに止めるEMアルゴリズムちっくな手法も実装します。
Python R

ベイズ線形回帰とEMアルゴリズム

EMアルゴリズムを応用して、ベイズ線形回帰のパラメーターを予測します。パラメーターを更新するための式を導出して、pythonで実装します。
Python R

特徴量の評価方法をまとめてみた

機械学習の困りごとの一つとして、結果の解釈が難しいという事があります。しかし、特徴量の重要度を評価する手法は色々あります。この記事で紹介する手法で、大体のモデルに対応できます。
Python R

クラウドでディープラーニングして大丈夫?

ニューラルネットワークの勾配から、特徴量が復元できるという記事です。大切な情報を特徴量にしている場合は、クラウド上で計算を回す事にリスクがあります。
Python R

Validation Loss <Train Loss問題への解答

械学習モデルを組んだ時、モデルの良し悪しは、トレーニングデータへの適合(train loss)とテストデータへの適合(validation loss)の差が良い指標になります。その時、Validation Loss <Train Loss となった経験はないでしょうか。 その原因を紹介します。
ベイズ統計学

平均場近似(機械学習)

物理学科の人間は良く平均場近似を使います。機械学習でも全く同じ手法があります。機械学習で使う平均場近似を解説します。簡単な例で計算もしてみます。計算すると、変数間の相互作用を無視して平均されているのが分かります。
タイトルとURLをコピーしました