Submit Search
Upload
はじめてのパターン認識読書会 第四回 前半
•
5 likes
•
4,978 views
Atsushi Hayakawa
Follow
Report
Share
Report
Share
1 of 15
Download now
Download to read offline
Recommended
for空き時間での頭の整理。あとで削除→正規ファイルを別途アップロード予定
Tmp20130822
Tmp20130822
K5_sem
はじめてのパターン認識4章後編
はじめてのパターン認識4章後編
Tanaka Hidenori
「はじめてのパターン認識」読書会の発表資料です。 第3章(前半):ベイズの識別規則
20130716 はじパタ3章前半 ベイズの識別規則
20130716 はじパタ3章前半 ベイズの識別規則
koba cky
『はじめてのパターン認識』読書会の発表資料。 第3章ベイズの識別規則の後半になります。
はじめてのパターン認識勉強会 20130716
はじめてのパターン認識勉強会 20130716
Hiroko Onari
はじパタ2章
はじパタ2章
tetsuro ito
はじめてのパターン認識 第5章 k最近傍法(k_nn法)
はじめてのパターン認識 第5章 k最近傍法(k_nn法)
Motoya Wakiyama
第1回「はじめてのパターン認識」読書会 第1章「はじめに」
はじめてのパターン認識 第1章
はじめてのパターン認識 第1章
Prunus 1350
第5回パターン認識勉強会
第5回パターン認識勉強会
Yohei Sato
Recommended
for空き時間での頭の整理。あとで削除→正規ファイルを別途アップロード予定
Tmp20130822
Tmp20130822
K5_sem
はじめてのパターン認識4章後編
はじめてのパターン認識4章後編
Tanaka Hidenori
「はじめてのパターン認識」読書会の発表資料です。 第3章(前半):ベイズの識別規則
20130716 はじパタ3章前半 ベイズの識別規則
20130716 はじパタ3章前半 ベイズの識別規則
koba cky
『はじめてのパターン認識』読書会の発表資料。 第3章ベイズの識別規則の後半になります。
はじめてのパターン認識勉強会 20130716
はじめてのパターン認識勉強会 20130716
Hiroko Onari
はじパタ2章
はじパタ2章
tetsuro ito
はじめてのパターン認識 第5章 k最近傍法(k_nn法)
はじめてのパターン認識 第5章 k最近傍法(k_nn法)
Motoya Wakiyama
第1回「はじめてのパターン認識」読書会 第1章「はじめに」
はじめてのパターン認識 第1章
はじめてのパターン認識 第1章
Prunus 1350
第5回パターン認識勉強会
第5回パターン認識勉強会
Yohei Sato
インサイトテクノロジーさん主催の[7月8日@札幌] Sapporo Tech Barでの発表スライドです。 http://www.db-tech-showcase.com/events-seminars/db-tech-salon/20160708_sapporo_tech_bar
20160708 データ処理のプラットフォームとしてのpython 札幌
20160708 データ処理のプラットフォームとしてのpython 札幌
Ryuji Tamagawa
2章推薦を行う(後編)
2章推薦を行う(後編)
Tanaka Hidenori
第1008回 ドキッ!分析屋だらけの、大ザーユー会 - ブログの類似記事を表示させてみる
第1008回 ドキッ!分析屋だらけの、大ザーユー会 - ブログの類似記事を表示させてみる
Atsushi Hayakawa
Intoroduction of Bad Data Handbook
Intoroduction of Bad Data Handbook
Atsushi Hayakawa
以下の勉強会の初心者セッション資料です - 第34回R勉強会@東京(#TokyoR) http://atnd.org/events/43885
10分で分かるr言語入門ver2.4
10分で分かるr言語入門ver2.4
Nobuaki Oshiro
Tokyo.R女子部#2で使用した資料です。
Tokyo.R女子部#2「RMeCabを使おう」
Tokyo.R女子部#2「RMeCabを使おう」
Sachiko Hirata
Google's r style guideのすゝめ
Google's r style guideのすゝめ
Takashi Kitano
Rで学ぶデータサイエンス 5 「パターン認識」 第3章 階層的クラスタリング
はじパタLT3
はじパタLT3
Tadayuki Onishi
オイラーの公式で感じる次元の呪い
オイラーの公式で感じる次元の呪い
Yoshiteru Kamiyama
第4回「続・わかりやすいパターン認識」読書会の発表資料です。 対象範囲は続・わかりやすいパターン認識4章後半(4.7以降)になります。
続分かりやすいパターン認識 4章後半(4.7以降)
続分かりやすいパターン認識 4章後半(4.7以降)
Motoya Wakiyama
集合知プログラミング勉強会第2回推薦する発表資料
集合知プログラミング第2章推薦を行う
集合知プログラミング第2章推薦を行う
Hiroko Onari
Rで学ぶデータサイエンス 5 「パターン認識」 第2章 k-平均法
はじパタLT2
はじパタLT2
Tadayuki Onishi
Data scientist casual talk in 白金台
Data scientist casual talk in 白金台
Hiroko Onari
StanTutorial
StanTutorial
Teito Nakagawa
相関のある多変量データで距離を測る場合、我々が通常「距離」と呼ぶユークリッド距離よりも、マハラノビス距離の方が都合がよい。多変量データを変数ごとに標準化してユークリッド距離をとる場合は標準化により変数間の関係性が変わる上に相関関係は考慮されないが、マハラノビス距離を使えば変数間の相関関係も考慮した多変量標準化尺度として使用できる。Rでのデモつき。 このメモでは、説明のために、比較的きれいなデータを用いて、距離の大きさで便宜上外れ値を判定してはいるが、ロバスト性のない平均値ベクトルや共分散行列から計算されるマハラノビス距離はやはり全くロバスト性をもたないため、外れ値検出の目的で使用してはいけない。逆に言えば、マハラノビス距離を用いて外れ値検出を行うためには、平均値ベクトルと共分散行列の代わりに、ロバスト推計した位置と尺度指標を用いれば良い。
マハラノビス距離とユークリッド距離の違い
マハラノビス距離とユークリッド距離の違い
wada, kazumi
アクションマイニングを用いた最適なアクションの導出
アクションマイニングを用いた最適なアクションの導出
Shintaro Fukushima
Decision tree
Decision tree
Atsushi Hayakawa
グラフデータベース「Neo4j」の 導入の導入(続き)-Cypherの基本のキ-
グラフデータベース「Neo4j」の 導入の導入(続き)-Cypherの基本のキ-
Hisao Soyama
グラフデータベース「Neo4j」の 導入の導入
グラフデータベース「Neo4j」の 導入の導入
Hisao Soyama
はじめてのパターン認識の輪読会LTにて
2013.07.15 はじパタlt scikit-learnで始める機械学習
2013.07.15 はじパタlt scikit-learnで始める機械学習
Motoya Wakiyama
一緒に翻訳しましょう
tidyverse.orgの翻訳
tidyverse.orgの翻訳
Atsushi Hayakawa
自身のサッカー記録です
Zepp play soccerで測ってみた
Zepp play soccerで測ってみた
Atsushi Hayakawa
More Related Content
Viewers also liked
インサイトテクノロジーさん主催の[7月8日@札幌] Sapporo Tech Barでの発表スライドです。 http://www.db-tech-showcase.com/events-seminars/db-tech-salon/20160708_sapporo_tech_bar
20160708 データ処理のプラットフォームとしてのpython 札幌
20160708 データ処理のプラットフォームとしてのpython 札幌
Ryuji Tamagawa
2章推薦を行う(後編)
2章推薦を行う(後編)
Tanaka Hidenori
第1008回 ドキッ!分析屋だらけの、大ザーユー会 - ブログの類似記事を表示させてみる
第1008回 ドキッ!分析屋だらけの、大ザーユー会 - ブログの類似記事を表示させてみる
Atsushi Hayakawa
Intoroduction of Bad Data Handbook
Intoroduction of Bad Data Handbook
Atsushi Hayakawa
以下の勉強会の初心者セッション資料です - 第34回R勉強会@東京(#TokyoR) http://atnd.org/events/43885
10分で分かるr言語入門ver2.4
10分で分かるr言語入門ver2.4
Nobuaki Oshiro
Tokyo.R女子部#2で使用した資料です。
Tokyo.R女子部#2「RMeCabを使おう」
Tokyo.R女子部#2「RMeCabを使おう」
Sachiko Hirata
Google's r style guideのすゝめ
Google's r style guideのすゝめ
Takashi Kitano
Rで学ぶデータサイエンス 5 「パターン認識」 第3章 階層的クラスタリング
はじパタLT3
はじパタLT3
Tadayuki Onishi
オイラーの公式で感じる次元の呪い
オイラーの公式で感じる次元の呪い
Yoshiteru Kamiyama
第4回「続・わかりやすいパターン認識」読書会の発表資料です。 対象範囲は続・わかりやすいパターン認識4章後半(4.7以降)になります。
続分かりやすいパターン認識 4章後半(4.7以降)
続分かりやすいパターン認識 4章後半(4.7以降)
Motoya Wakiyama
集合知プログラミング勉強会第2回推薦する発表資料
集合知プログラミング第2章推薦を行う
集合知プログラミング第2章推薦を行う
Hiroko Onari
Rで学ぶデータサイエンス 5 「パターン認識」 第2章 k-平均法
はじパタLT2
はじパタLT2
Tadayuki Onishi
Data scientist casual talk in 白金台
Data scientist casual talk in 白金台
Hiroko Onari
StanTutorial
StanTutorial
Teito Nakagawa
相関のある多変量データで距離を測る場合、我々が通常「距離」と呼ぶユークリッド距離よりも、マハラノビス距離の方が都合がよい。多変量データを変数ごとに標準化してユークリッド距離をとる場合は標準化により変数間の関係性が変わる上に相関関係は考慮されないが、マハラノビス距離を使えば変数間の相関関係も考慮した多変量標準化尺度として使用できる。Rでのデモつき。 このメモでは、説明のために、比較的きれいなデータを用いて、距離の大きさで便宜上外れ値を判定してはいるが、ロバスト性のない平均値ベクトルや共分散行列から計算されるマハラノビス距離はやはり全くロバスト性をもたないため、外れ値検出の目的で使用してはいけない。逆に言えば、マハラノビス距離を用いて外れ値検出を行うためには、平均値ベクトルと共分散行列の代わりに、ロバスト推計した位置と尺度指標を用いれば良い。
マハラノビス距離とユークリッド距離の違い
マハラノビス距離とユークリッド距離の違い
wada, kazumi
アクションマイニングを用いた最適なアクションの導出
アクションマイニングを用いた最適なアクションの導出
Shintaro Fukushima
Decision tree
Decision tree
Atsushi Hayakawa
グラフデータベース「Neo4j」の 導入の導入(続き)-Cypherの基本のキ-
グラフデータベース「Neo4j」の 導入の導入(続き)-Cypherの基本のキ-
Hisao Soyama
グラフデータベース「Neo4j」の 導入の導入
グラフデータベース「Neo4j」の 導入の導入
Hisao Soyama
はじめてのパターン認識の輪読会LTにて
2013.07.15 はじパタlt scikit-learnで始める機械学習
2013.07.15 はじパタlt scikit-learnで始める機械学習
Motoya Wakiyama
Viewers also liked
(20)
20160708 データ処理のプラットフォームとしてのpython 札幌
20160708 データ処理のプラットフォームとしてのpython 札幌
2章推薦を行う(後編)
2章推薦を行う(後編)
第1008回 ドキッ!分析屋だらけの、大ザーユー会 - ブログの類似記事を表示させてみる
第1008回 ドキッ!分析屋だらけの、大ザーユー会 - ブログの類似記事を表示させてみる
Intoroduction of Bad Data Handbook
Intoroduction of Bad Data Handbook
10分で分かるr言語入門ver2.4
10分で分かるr言語入門ver2.4
Tokyo.R女子部#2「RMeCabを使おう」
Tokyo.R女子部#2「RMeCabを使おう」
Google's r style guideのすゝめ
Google's r style guideのすゝめ
はじパタLT3
はじパタLT3
オイラーの公式で感じる次元の呪い
オイラーの公式で感じる次元の呪い
続分かりやすいパターン認識 4章後半(4.7以降)
続分かりやすいパターン認識 4章後半(4.7以降)
集合知プログラミング第2章推薦を行う
集合知プログラミング第2章推薦を行う
はじパタLT2
はじパタLT2
Data scientist casual talk in 白金台
Data scientist casual talk in 白金台
StanTutorial
StanTutorial
マハラノビス距離とユークリッド距離の違い
マハラノビス距離とユークリッド距離の違い
アクションマイニングを用いた最適なアクションの導出
アクションマイニングを用いた最適なアクションの導出
Decision tree
Decision tree
グラフデータベース「Neo4j」の 導入の導入(続き)-Cypherの基本のキ-
グラフデータベース「Neo4j」の 導入の導入(続き)-Cypherの基本のキ-
グラフデータベース「Neo4j」の 導入の導入
グラフデータベース「Neo4j」の 導入の導入
2013.07.15 はじパタlt scikit-learnで始める機械学習
2013.07.15 はじパタlt scikit-learnで始める機械学習
More from Atsushi Hayakawa
一緒に翻訳しましょう
tidyverse.orgの翻訳
tidyverse.orgの翻訳
Atsushi Hayakawa
自身のサッカー記録です
Zepp play soccerで測ってみた
Zepp play soccerで測ってみた
Atsushi Hayakawa
dataclassとtypehintを使ってますか?
dataclassとtypehintを使ってますか?
dataclassとtypehintを使ってますか?
Atsushi Hayakawa
Japan.R 2018での発表です。
トライアスロンとgepuro task views V2.0 Japan.R 2018
トライアスロンとgepuro task views V2.0 Japan.R 2018
Atsushi Hayakawa
バンクーバー旅行記
バンクーバー旅行記
バンクーバー旅行記
Atsushi Hayakawa
Analyze The Community Of Tokyo.R
Analyze The Community Of Tokyo.R
Analyze The Community Of Tokyo.R
Atsushi Hayakawa
Visual Studio CodeでRを使う
Visual Studio CodeでRを使う
Visual Studio CodeでRを使う
Atsushi Hayakawa
トライアスロンの結果を分析
トライアスロンと僕 - Japan.R 2017
トライアスロンと僕 - Japan.R 2017
Atsushi Hayakawa
simputatoinで欠損値補完
simputatoinで欠損値補完 - Tokyo.R #65
simputatoinで欠損値補完 - Tokyo.R #65
Atsushi Hayakawa
useR!2017でポスター発表してきました
useR!2017 in Brussels
useR!2017 in Brussels
Atsushi Hayakawa
運営の報告資料
Japan.R 2016の運営
Japan.R 2016の運営
Atsushi Hayakawa
Rstudioでgithub上のパッケージをGUIでインストールできるアドインの紹介
Rstudio上でのパッケージインストールを便利にするaddin4githubinstall
Rstudio上でのパッケージインストールを便利にするaddin4githubinstall
Atsushi Hayakawa
統計的学習の基礎 読書会で利用した資料です。
統計的学習の基礎 4.4~
統計的学習の基礎 4.4~
Atsushi Hayakawa
きのこ・たけのこの話
Splatoon界での壮絶な戦い&Japan.Rの宣伝
Splatoon界での壮絶な戦い&Japan.Rの宣伝
Atsushi Hayakawa
最近のクラウドストレージの事情と私情
最近のクラウドストレージの事情と私情
最近のクラウドストレージの事情と私情
Atsushi Hayakawa
gepuro task views
gepuro task views
gepuro task views
Atsushi Hayakawa
nginxのログを非スケーラブルに省メモリな方法で蓄積する
nginxのログを非スケーラブルに省メモリな方法で蓄積する
nginxのログを非スケーラブルに省メモリな方法で蓄積する
Atsushi Hayakawa
implyを用いたアクセスログの可視化
implyを用いたアクセスログの可視化
implyを用いたアクセスログの可視化
Atsushi Hayakawa
イケてる分析基盤をつくる
イケてる分析基盤をつくる
イケてる分析基盤をつくる
Atsushi Hayakawa
らずぱいラジコン
らずぱいラジコン
らずぱいラジコン
Atsushi Hayakawa
More from Atsushi Hayakawa
(20)
tidyverse.orgの翻訳
tidyverse.orgの翻訳
Zepp play soccerで測ってみた
Zepp play soccerで測ってみた
dataclassとtypehintを使ってますか?
dataclassとtypehintを使ってますか?
トライアスロンとgepuro task views V2.0 Japan.R 2018
トライアスロンとgepuro task views V2.0 Japan.R 2018
バンクーバー旅行記
バンクーバー旅行記
Analyze The Community Of Tokyo.R
Analyze The Community Of Tokyo.R
Visual Studio CodeでRを使う
Visual Studio CodeでRを使う
トライアスロンと僕 - Japan.R 2017
トライアスロンと僕 - Japan.R 2017
simputatoinで欠損値補完 - Tokyo.R #65
simputatoinで欠損値補完 - Tokyo.R #65
useR!2017 in Brussels
useR!2017 in Brussels
Japan.R 2016の運営
Japan.R 2016の運営
Rstudio上でのパッケージインストールを便利にするaddin4githubinstall
Rstudio上でのパッケージインストールを便利にするaddin4githubinstall
統計的学習の基礎 4.4~
統計的学習の基礎 4.4~
Splatoon界での壮絶な戦い&Japan.Rの宣伝
Splatoon界での壮絶な戦い&Japan.Rの宣伝
最近のクラウドストレージの事情と私情
最近のクラウドストレージの事情と私情
gepuro task views
gepuro task views
nginxのログを非スケーラブルに省メモリな方法で蓄積する
nginxのログを非スケーラブルに省メモリな方法で蓄積する
implyを用いたアクセスログの可視化
implyを用いたアクセスログの可視化
イケてる分析基盤をつくる
イケてる分析基盤をつくる
らずぱいラジコン
らずぱいラジコン
はじめてのパターン認識読書会 第四回 前半
1.
第4回 「はじめてのパターン認識」 読書会 第4章 確率モデルと識別関数 前半 @gepuro
2.
3.
!!注目の本!!
4.
モデルを構築する上で困ること ● データの測定単位によって、数値に大きな違い ● 特徴量の大きさが同程度の方が良いモデルが出 来る事がある。特徴間には相関が無い方が良い ●
モデル作りにスパイスを効かせる 平均ベクトルや共分散行列の出番
5.
平均ベクトルと共分散行列 平均ベクトル E{x_i}はi番目の特徴の期待値で、 p(x_i)はi番目の特徴を表す確率変数x_iの確率分布
6.
平均ベクトルと共分散行列 σ_ii = σ_i
^2と表し、σ_iは標準偏差という。 相関係数
7.
8.
標準化(中心化/標準偏差)の模式図
9.
観測データの無相関化
10.
11.
無相関化の模式図
12.
白色化 ● 無相関化+標準偏差1に正規化+中心化
13.
14.
白色化の模式図
Download now