Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Unigram mixtures

1,229 views

Published on

Unigram mixturesの簡単な紹介

Published in: Technology
  • Be the first to comment

Unigram mixtures

  1. 1. Unigram Mixtures の話 @fmkz___
  2. 2. 教師あり学習とは?
  3. 3. 教師なし学習とは?
  4. 4. 教師あり学習でのラベルを潜在変 数として推定するのが 教師なし学習
  5. 5. •  教師あり学習: p(y¦x) •  教師なし学習: p(x) = Σyp(x¦y)p(y)
  6. 6. K-means h"p://tech.nitoyon.com/ja/blog/2009/04/09/kmeans-­‐visualise/
  7. 7. •  距離の中心を計算して •  最も近いクラスに割り当てて •  を繰り返す
  8. 8. EMアルゴリズム •  EMアルゴリズムは観測データの対数尤度 を、E stepとM stepの繰り返しにより 最大化するアルゴリズム
  9. 9. スパムとハムの話に戻る •  教師あり学習 –  事前にスパムとハムに分類していた •  これをラベルを付与してない状態から2つ のグループに分割できないか? –  教師なし学習
  10. 10. Unigram Mixtures
  11. 11. アルゴリズム •  このスライドが詳しい –  http://www.ism.ac.jp/ daichi/ lectures/ISM-2012-TopicModelsdaichi.pdf
  12. 12. 実装 •  R –  https://github.com/ariddell/ mixture-of-unigrams •  C –  http://www.ism.ac.jp/ daichi/ lectures/H24-TopicModels.html
  13. 13. デモ 本当はいつものようにeしずおかのブログ のデータを分類するつもりだったのだけど 読書が急がしくてやる暇なかったw
  14. 14. まとめ •  入門機械学習のナイーブベイズの応用とし てUnigram Mixturesの紹介とデモを しました

×