EM

機械学習

2019年のまとめ

2019年のまとめと、来年の抱負記事です。今年最も読まれた記事や、もっと読まれても良い記事を残してます。
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。
ベイズ統計学

変分推論入門

変分推論でポアソン混合モデルを近似する式を導きます。最後に、EMアルゴリズムとの接点を紹介します。
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。
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。
Python R

EMアルゴリズムのpythonによる実装と一般化

EMアルゴリズムのまとめをして、python 上で実装します。最後に、EMアルゴリズムの一般化について触れます。
ベイズ統計学

エントロピーからKLダイバージェンスを理解する

エントロピーの定義から始めて、KLダイバージェンスの意味を理解するのが目標です。エントロピーがデータの分布の違いを検知できる事を説明し、KLダイバージェンスが確率分布同士の距離を測る道具になっていることを解説します。最後に応用について少しだけ説明します。
タイトルとURLをコピーしました