Suche senden
Hochladen
Ml ch10
•
Als ODP, PDF herunterladen
•
0 gefällt mir
•
1,671 views
Ryo Higashigawa
Folgen
大阪 PRML 勉強会使用スライド
Weniger lesen
Mehr lesen
Technologie
Melden
Teilen
Melden
Teilen
1 von 18
Jetzt herunterladen
Empfohlen
Ppt007
Ppt007
Solur
これで大丈夫。Web制作で使うコマンドラインツールの名前と役割をざっくり理解する
これで大丈夫。Web制作で使うコマンドラインツールの名前と役割をざっくり理解する
Hajime Ogushi
Twincal
Twincal
Sho Hosoda
これからのコンピューティングの変化とこれからのプログラミング at 広島
これからのコンピューティングの変化とこれからのプログラミング at 広島
なおき きしだ
10分で覚えるvim講座 基本編
10分で覚えるvim講座 基本編
har hogefoo
1回目衝突判定
1回目衝突判定
Takuya Shishido
わんくま東京#49 LT 「DynamicQuery ~MSDN サンプルの逆襲~」
わんくま東京#49 LT 「DynamicQuery ~MSDN サンプルの逆襲~」
Takeshi Kiriya
Sobe2 LT
Sobe2 LT
Tatsuya Touma
Empfohlen
Ppt007
Ppt007
Solur
これで大丈夫。Web制作で使うコマンドラインツールの名前と役割をざっくり理解する
これで大丈夫。Web制作で使うコマンドラインツールの名前と役割をざっくり理解する
Hajime Ogushi
Twincal
Twincal
Sho Hosoda
これからのコンピューティングの変化とこれからのプログラミング at 広島
これからのコンピューティングの変化とこれからのプログラミング at 広島
なおき きしだ
10分で覚えるvim講座 基本編
10分で覚えるvim講座 基本編
har hogefoo
1回目衝突判定
1回目衝突判定
Takuya Shishido
わんくま東京#49 LT 「DynamicQuery ~MSDN サンプルの逆襲~」
わんくま東京#49 LT 「DynamicQuery ~MSDN サンプルの逆襲~」
Takeshi Kiriya
Sobe2 LT
Sobe2 LT
Tatsuya Touma
TypeScript で型を上手く使う試み.pdf
TypeScript で型を上手く使う試み.pdf
Ryo Higashigawa
新しいWEBフロントの開拓.pptx
新しいWEBフロントの開拓.pptx
Ryo Higashigawa
AWS を始める時に気をつけるべき課金周りの仕組みと設定.pptx
AWS を始める時に気をつけるべき課金周りの仕組みと設定.pptx
Ryo Higashigawa
``完璧に理解した``WEB の裏側の仕組み.pptx
``完璧に理解した``WEB の裏側の仕組み.pptx
Ryo Higashigawa
フロントエンド技術の変遷
フロントエンド技術の変遷
Ryo Higashigawa
AWS でサーバーレスを使っている話.pptx
AWS でサーバーレスを使っている話.pptx
Ryo Higashigawa
これからはじめるための JavaScript 開発環境
これからはじめるための JavaScript 開発環境
Ryo Higashigawa
Ml ch7
Ml ch7
Ryo Higashigawa
Ml ch3
Ml ch3
Ryo Higashigawa
Ml ch2
Ml ch2
Ryo Higashigawa
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
Toru Tamaki
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Yuma Ohgami
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
Toru Tamaki
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
taisei2219
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
danielhu54
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
iPride Co., Ltd.
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
Ryo Sasaki
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
Toru Tamaki
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
sugiuralab
Weitere ähnliche Inhalte
Mehr von Ryo Higashigawa
TypeScript で型を上手く使う試み.pdf
TypeScript で型を上手く使う試み.pdf
Ryo Higashigawa
新しいWEBフロントの開拓.pptx
新しいWEBフロントの開拓.pptx
Ryo Higashigawa
AWS を始める時に気をつけるべき課金周りの仕組みと設定.pptx
AWS を始める時に気をつけるべき課金周りの仕組みと設定.pptx
Ryo Higashigawa
``完璧に理解した``WEB の裏側の仕組み.pptx
``完璧に理解した``WEB の裏側の仕組み.pptx
Ryo Higashigawa
フロントエンド技術の変遷
フロントエンド技術の変遷
Ryo Higashigawa
AWS でサーバーレスを使っている話.pptx
AWS でサーバーレスを使っている話.pptx
Ryo Higashigawa
これからはじめるための JavaScript 開発環境
これからはじめるための JavaScript 開発環境
Ryo Higashigawa
Ml ch7
Ml ch7
Ryo Higashigawa
Ml ch3
Ml ch3
Ryo Higashigawa
Ml ch2
Ml ch2
Ryo Higashigawa
Mehr von Ryo Higashigawa
(10)
TypeScript で型を上手く使う試み.pdf
TypeScript で型を上手く使う試み.pdf
新しいWEBフロントの開拓.pptx
新しいWEBフロントの開拓.pptx
AWS を始める時に気をつけるべき課金周りの仕組みと設定.pptx
AWS を始める時に気をつけるべき課金周りの仕組みと設定.pptx
``完璧に理解した``WEB の裏側の仕組み.pptx
``完璧に理解した``WEB の裏側の仕組み.pptx
フロントエンド技術の変遷
フロントエンド技術の変遷
AWS でサーバーレスを使っている話.pptx
AWS でサーバーレスを使っている話.pptx
これからはじめるための JavaScript 開発環境
これからはじめるための JavaScript 開発環境
Ml ch7
Ml ch7
Ml ch3
Ml ch3
Ml ch2
Ml ch2
Kürzlich hochgeladen
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
Toru Tamaki
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Yuma Ohgami
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
Toru Tamaki
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
taisei2219
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
danielhu54
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
iPride Co., Ltd.
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
Ryo Sasaki
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
Toru Tamaki
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
sugiuralab
Kürzlich hochgeladen
(9)
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
Ml ch10
1.
機械学習 -chapter 10 確率的分類
- Ryo HIGASHIAGWA @biwakonbu
2.
前回課題 ● SVM を使用して身長体重から男女のクラス分けを するプログラムの作成 ● 実はモノが出来ていないです ... ● なので現状をまとめました
3.
前回課題 ● SVM を作る為に ● ラグランジュの双対問題 ● ラグランジュ乗数 a
を求めないと ... ● 二次計画法 ● 逐次最小問題最適化法( SMO ) ● ↑ どうも二次計画法の解き方の一つらしい ...
4.
前回課題 ● SVM 実装のサンプルを探す ● Python ● Java ● R ● MATLAB ● 意外と皆、詳細が抜けてて良くわからん状態
5.
前回課題まとめ ● SVM は今までの中で確かに難しい ● 二次計画法 ● SMO ● ラグランジュの双対問題 ● 考える事と課題が多く見えた ● 取りあえず Web
のソースコードを模写が必要 ( かも ) ● SVM だけの本がある理由が良くわかった
6.
確率的分類 ● 今までの分類は決定的パターン認識と言われる ● 今日は確率的パターン認識の話 `` パターン x に対するクラス
y の事後確率 p(y|x) を 学習し、そのクラス事後確率を最大にするクラスに パターンを分類する。 ``
7.
確率的パターン認識 ^y=argmax y=1,... ,c p( y∣x) クラスパターン x
に対する y の事後確率 クラス事後の値 (p=^y|x) は信頼度と言える そのため信頼度の低い時に切り替える選択肢が出来る
8.
ロジスティック回帰 q( y∣x ;
θ)= exp(∑ j=1 b θ j ( y) Φj (x)) ∑ y'=1 c exp (∑ j =1 b θ j ( y') Φ( x)) … ロジスティックモデル 線形モデルに似てる 組み合わせは bc 次元になる
9.
ロジスティックモデル ロジスティックモデルの学習は対数尤度を最大にする 最尤度推定によって行われる 尤度 :
対数尤度 :∏i=1 n q ( yi∣xi ;θ) ∑ i=1 n log q( yi∣xi ;θ) 観測結果から推測される前提条件の 尤もらしさ 尤度では総乗を取るため のような時に 桁落ちを起こす可能性がある q(yi∣xi;θ)=0.1 総和の出番 !!
10.
ロジスティック回帰 ロジスティック回帰の学習基準は次式の通り max θ b ∑ i=1 n log q
( yi∣xi ;θ) 対数ガウスカーネルモデル q(y∣x;θ)=exp(∑ j=1 n θj K(x,xi)),K(x,c)=exp(− ‖x−c‖ 2 2h2 )
11.
ロジスティック損失最小化学習 ただし、ロジスティック損失最小化学習は 次式になる q(y∣x;θ)={1+exp(−y∑ j=1 b θj Φj(x))} −1
12.
ロジスティック回帰 1.初期値 θ を適当に決定 2.訓練標本をランダムに選択 3.選んだ標本のパラメータ
θ を更新 4.解 θ が収束するまでステップ 2,3 を繰り返す ∇ y Ji (θ)=− exp (θ ( y )T Φ( xi )) ∑ y '=1 c exp (θ ( y ')T Φ(xi )) +{Φ( xi ) 0 y= yi y≠ yi θ(y) ←θ( y) +E ∇ y Ji (θ)for y=1,...,c
13.
ロジスティック回帰
14.
ロジスティック回帰
15.
ロジスティック回帰
16.
最小二乗確率的分類 基本的にロジスティック回帰と同じような式 ^p ( y∣x
)= max (0, ^ θ j ( y)T Φj ( x)) ∑ y '=1 c max (0,θ j ( y ' ) T Φ( x)) ガウスカーネルについては今まで通りなので省略
17.
まとめ ● 確率的に分類を行ったが、回帰を扱った為か今までと あまり変わらない印象を持った ● 尤度の計算により今までの回帰式を内包した式に発展 したためと思われる ● 今回は実験しなかったが、最小二乗確率的分類器とロ ジスティック回帰では、標本数によって分ける事が推 奨されている ( 標本数が多いと最小二乗推奨
)
18.
課題 最小二乗確率的分類器を使用する際には標本数が大き い場合に最小二乗確率的分類器が望ましいとあるが、 実際問題ではどの程度の規模になると使い分けるよい のか実験してみる。
Jetzt herunterladen