SlideShare a Scribd company logo
1 of 72
Download to read offline
第1回
「はじめてのパターン認識」読書会
2013/6/18 (火)
Prunus1350
1.1 パターン認識とは
「パターン認識」とは,
1.1 パターン認識とは
「パターン認識」とは,
「物事の類型を知るはたらき,およびその内容」
1.1 パターン認識とは
「パターン認識」とは,
「物事の類型を知るはたらき,およびその内容」
ちょっとわかりづらい?
1.1 パターン認識とは
「パターン認識」とは,
1.1 パターン認識とは
「パターン認識」とは,
「対象の特徴量から対象が属するカテゴリを推
測する方法」を指す.
『Rで学ぶデータサイエンス5 パターン認識』より
1.1 パターン認識とは
識別対象
具体例
1.1 パターン認識とは
識別対象
硬貨
具体例
1.1 パターン認識とは
識別対象
特徴抽出
硬貨
具体例
1.1 パターン認識とは
識別対象
特徴抽出
サイズ
重さ
透磁率
穴の有無
…
硬貨
具体例
1.1 パターン認識とは
識別対象
特徴抽出
サイズ
重さ
透磁率
穴の有無
…
硬貨
識別の手がかりとなる
「特徴量」
具体例
1.1 パターン認識とは
識別対象 特徴ベクトル
特徴抽出
サイズ
重さ
透磁率
穴の有無
…
硬貨
具体例
1.1 パターン認識とは
識別対象 特徴ベクトル
特徴抽出 識別規則
サイズ
重さ
透磁率
穴の有無
…
硬貨
具体例
1.1 パターン認識とは
識別対象 特徴ベクトル 識別クラス
特徴抽出 識別規則
サイズ
重さ
透磁率
穴の有無
…
10円
50円
100円
500円
識別不能
硬貨
具体例
1.1 パターン認識とは
識別対象 特徴ベクトル 識別クラス
特徴抽出 識別規則
硬貨
識別対象は多岐に渡る
電話音声
顔画像
テキスト
データ
…
1.1 パターン認識とは
識別対象 特徴ベクトル 識別クラス
特徴抽出 識別規則
硬貨
特徴ベクトルの形になってしまえば, 同じ識別規則が使え
る
電話音声
顔画像
テキスト
データ
…
特徴量1
特徴量2
特徴量3
特徴量4
…
クラス1
クラス2
クラス3
…
識別不能
1.2 特徴の型
観測された特徴
1.2 特徴の型
観測された特徴
• 定性的特徴(非数値データ)
• 定量的特徴(数値データ)
1.2 特徴の型
観測された特徴
• 定性的特徴(非数値データ)
• 名義尺度 (分類のための単なる名前) 
• 順序尺度 (順序関係を表す)
• 定量的特徴(数値データ)
1.2 特徴の型
観測された特徴
• 定性的特徴(非数値データ)
• 名義尺度 (分類のための単なる名前) 
• 順序尺度 (順序関係を表す)
• 定量的特徴(数値データ)
• 比例尺度 (原点が定まっており, 比率が意味を持つ)
• 間隔尺度 (一定の単位で量られた量, 量間の比が意味を持た
ない)
例題 1.1
次の特徴の型は何か.
(1)試験の点数
(2)成績表のA, B, C, D
(3)偏差値
(4)単語の出現頻度
例題 1.1
次の特徴の型は何か.
(1)試験の点数 → 間隔尺度
(2)成績表のA, B, C, D
(3)偏差値
(4)単語の出現頻度
例題 1.1
次の特徴の型は何か.
(1)試験の点数 → 間隔尺度
(2)成績表のA, B, C, D → 順序尺度
(3)偏差値
(4)単語の出現頻度
例題 1.1
次の特徴の型は何か.
(1)試験の点数 → 間隔尺度
(2)成績表のA, B, C, D → 順序尺度
(3)偏差値 → 間隔尺度
(4)単語の出現頻度
例題 1.1
次の特徴の型は何か.
(1)試験の点数 → 間隔尺度
(2)成績表のA, B, C, D → 順序尺度
(3)偏差値 → 間隔尺度
(4)単語の出現頻度 → 比例尺度
1.2 特徴の型
定性的な特徴を計算機上で扱うために符号化を
行う.
1.2 特徴の型
定性的な特徴を計算機上で扱うために符号化を
行う.
例1) 2クラス
男性:0, 女性:1
1.2 特徴の型
定性的な特徴を計算機上で扱うために符号化を
行う.
例1) 2クラス
男性:0, 女性:1
例2) 多クラス
(5つのクラスラベルでクラス2を表現)
t = (0, 1, 0, 0, 0)T
1.3 特徴ベクトル空間と次元の呪い
• 特徴数がd個あれば, 特徴ベクトルはd次元線形
空間を張る.
x1
x2
65
70
(例) 特徴数2の特徴ベクトル
x = (65, 70)T
1.3 特徴ベクトル空間と次元の呪い
• 特徴数がd個あれば, 特徴ベクトルはd次元線形
空間を張る.
(例) 手書き文字認識 (kaggle)
1.3 特徴ベクトル空間と次元の呪い
• 特徴数がd個あれば, 特徴ベクトルはd次元線形
空間を張る.
(例) 手書き文字認識 (kaggle)
• 28 28=784個の画素値
• 各画素が256階調のグレースケール
1.3 特徴ベクトル空間と次元の呪い
• 特徴数がd個あれば, 特徴ベクトルはd次元線形
空間を張る.
(例) 手書き文字認識 (kaggle)
• 28 28=784個の画素値
• 各画素が256階調のグレースケール
→ 784次元のベクトル空間の各軸が256個の区
画を持っている.
1.3 特徴ベクトル空間と次元の呪い
• 特徴数がd個あれば, 特徴ベクトルはd次元線形
空間を張る.
(例) 手書き文字認識 (kaggle)
• 28 28=784個の画素値
• 各画素が256階調のグレースケール
→ 784次元のベクトル空間の各軸が256個の区
画を持っている.
区画の数は全体で 256784
1.3 特徴ベクトル空間と次元の呪い
適応制御において未知の複雑な関数を学習する
ために必要なデータが, 次元の増加と共に指数
関数的に増加することを
「次元の呪い」
という.
例題 1.2
d次元超立方体の面(ファセットという)の数
は2d個であることを示せ.
例題 1.2
d次元超立方体の面(ファセットという)の数
は2d個であることを示せ.
A. d次元超立方体は, 各軸の直交する二つのd-1次
元超平面で構成されるので, 面は全部で2d個あ
る.
章末問題 1.1
あなたの利き手でない方の人差し指と中指の指
紋を区別したい, どのような特徴をとればよい
か観察せよ.
章末問題 1.2
辺の長さが  の  次元超立方体について, 以下
の問いに答えよ.
da
章末問題 1.2
(1) 次元超立方体の頂点の数は  個であること
を示せ.
d 2d
章末問題 1.2
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 0次元の場合
d
頂点の数:
2d
20
= 1
章末問題 1.2
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 0次元 → 1次元
新しい軸  を
考える
O
x1
d 2d
x1
章末問題 1.2
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 0次元 → 1次元
  の正負の方向   の
位置に頂点を移す
O1
2
a
1
2
a
x1
d 2d
x1 ±
1
2
a
章末問題 1.2
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 1次元の場合
O1
2
a
1
2
a
x1
d 2d
頂点の数: 21
= 2
章末問題 1.2
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 1次元 → 2次元
軸  に直交する軸  を
考える
O1
2
a
1
2
a
x1
x2
d 2d
x1 x2
章末問題 1.2
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 1次元 → 2次元
O1
2
a
1
2
a
1
2
a
1
2
a
x1
x2
d 2d
  の正負の方向   の
位置に頂点を移す
±
1
2
ax2
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 2次元の場合
章末問題 1.2
O1
2
a
1
2
a
1
2
a
1
2
a
x1
x2
d 2d
頂点の数: 22
= 4
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 2次元 → 3次元
章末問題 1.2
3次元空間を考える
x1
x2
d 2d
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 2次元 → 3次元
章末問題 1.2
x1
x2
d 2d
x3
軸    に直交する
軸  を考える
x1, x2
x3
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 2次元 → 3次元
章末問題 1.2
x1
x2
x3
d 2d
  の正負の方向   の
位置に頂点を移す
±
1
2
ax3
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 3次元の場合
章末問題 1.2
x1
x2
x3
d 2d
頂点の数: 23
= 8
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 3次元 → 4次元
章末問題 1.2
軸     に直交する
軸  を考える
x1
x2
x3
d 2d
?
x1, x2, x3
x4
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 3次元 → 4次元
章末問題 1.2
x1
x2
x3
d 2d
?
  の正負の方向   の
位置に頂点を移す
±
1
2
ax4
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 4次元の場合
章末問題 1.2
x1
x2
x3
d 2d
?
頂点の数: 24
= 16
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 同様にして, 次元が増えるごとに超立方体の頂
点の数は2倍になるので  次元超立方体の頂
点の数は  個である.
章末問題 1.2
d 2d
d
2d
(2) 次元超立方体の表面積を求めよ.
章末問題 1.2
d
(2) 次元超立方体の表面積を求めよ.
• 1辺の長さが  の   次元超平面の表面積
は   と表される.
章末問題 1.2
d
a d 1
ad 1
(2) 次元超立方体の表面積を求めよ.
• 1辺の長さが  の   次元超平面の表面積
は   と表される.
例題1.2より, これが  個あるので,
章末問題 1.2
d
a d 1
ad 1
2d
ad 1
⇤ 2d = 2dad 1
(3)超立方体を構成する  次元超平面の個数が
で表されることを, 3次元立方体で確かめよ.
章末問題 1.2
m
(0  m  d 1)
2d m
✓
d
m
◆
(3)超立方体を構成する超平面の個数
• 0次元(頂点)
章末問題 1.2
23 0
✓
3
0
◆
= 23
⇤ 1
= 8
x1
x2
x3
(3)超立方体を構成する超平面の個数
• 1次元(辺)
章末問題 1.2
23 1
✓
3
1
◆
= 22
⇤ 3
= 12
x1
x2
x3
(3)超立方体を構成する超平面の個数
• 2次元(面)
章末問題 1.2
23 2
✓
3
2
◆
= 21
⇤ 3
= 6
x1
x2
x3
(4)超立方体を構成する  次元超平面の総数を求
めよ.
章末問題 1.2
m
(4)超立方体を構成する  次元超平面の総数を求
めよ.
•   次元超平面の個数は
と表されるので,
章末問題 1.2
m
2d m
✓
d
m
◆
m
(4)超立方体を構成する  次元超平面の総数を求
めよ.
•   次元超平面の個数は
と表されるので, それを0次元から   次元ま
で合計すればよい.
章末問題 1.2
m
2d m
✓
d
m
◆
m
d 1
(4)超立方体を構成する  次元超平面の総数を求
めよ.
•   次元超平面の個数は
と表されるので, それを0次元から   次元ま
で合計すればよい.
よって
章末問題 1.2
m
2d m
✓
d
m
◆
m
d 1
d 1X
m=0
2d m
✓
d
m
◆
(5)その式から, 5次元超立方体を構成する超平面の
総数を求めよ.
章末問題 1.2
(5)その式から, 5次元超立方体を構成する超平面の
総数を求めよ.
章末問題 1.2
5 1X
m=0
25 m
✓
5
m
◆
=
4X
m=0
25 m
✓
5
m
◆
(5)その式から, 5次元超立方体を構成する超平面の
総数を求めよ.
章末問題 1.2
5 1X
m=0
25 m
✓
5
m
◆
=
4X
m=0
25 m
✓
5
m
◆
= 25 0
✓
5
0
◆
+ 25 1
✓
5
1
◆
+ 25 2
✓
5
2
◆
+ 25 3
✓
5
3
◆
+ 25 4
✓
5
4
◆
(5)その式から, 5次元超立方体を構成する超平面の
総数を求めよ.
章末問題 1.2
5 1X
m=0
25 m
✓
5
m
◆
=
4X
m=0
25 m
✓
5
m
◆
= 25 0
✓
5
0
◆
+ 25 1
✓
5
1
◆
+ 25 2
✓
5
2
◆
+ 25 3
✓
5
3
◆
+ 25 4
✓
5
4
◆
= 32 ⇤ 1 + 16 ⇤ 5 + 8 ⇤ 10 + 4 ⇤ 10 + 2 ⇤ 5
(5)その式から, 5次元超立方体を構成する超平面の
総数を求めよ.
章末問題 1.2
5 1X
m=0
25 m
✓
5
m
◆
=
4X
m=0
25 m
✓
5
m
◆
= 25 0
✓
5
0
◆
+ 25 1
✓
5
1
◆
+ 25 2
✓
5
2
◆
+ 25 3
✓
5
3
◆
+ 25 4
✓
5
4
◆
= 32 ⇤ 1 + 16 ⇤ 5 + 8 ⇤ 10 + 4 ⇤ 10 + 2 ⇤ 5
= 32 + 80 + 80 + 40 + 10
(5)その式から, 5次元超立方体を構成する超平面の
総数を求めよ.
章末問題 1.2
5 1X
m=0
25 m
✓
5
m
◆
=
4X
m=0
25 m
✓
5
m
◆
= 25 0
✓
5
0
◆
+ 25 1
✓
5
1
◆
+ 25 2
✓
5
2
◆
+ 25 3
✓
5
3
◆
+ 25 4
✓
5
4
◆
= 32 ⇤ 1 + 16 ⇤ 5 + 8 ⇤ 10 + 4 ⇤ 10 + 2 ⇤ 5
= 32 + 80 + 80 + 40 + 10
= 242
ご清聴ありがとうございました。

More Related Content

What's hot

PRML輪読#4
PRML輪読#4PRML輪読#4
PRML輪読#4matsuolab
 
計算論的学習理論入門 -PAC学習とかVC次元とか-
計算論的学習理論入門 -PAC学習とかVC次元とか-計算論的学習理論入門 -PAC学習とかVC次元とか-
計算論的学習理論入門 -PAC学習とかVC次元とか-sleepy_yoshi
 
階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門shima o
 
PRML輪読#1
PRML輪読#1PRML輪読#1
PRML輪読#1matsuolab
 
負の二項分布について
負の二項分布について負の二項分布について
負の二項分布についてHiroshi Shimizu
 
深層学習の数理
深層学習の数理深層学習の数理
深層学習の数理Taiji Suzuki
 
深層学習 勉強会第5回 ボルツマンマシン
深層学習 勉強会第5回 ボルツマンマシン深層学習 勉強会第5回 ボルツマンマシン
深層学習 勉強会第5回 ボルツマンマシンYuta Sugii
 
数式を使わずイメージで理解するEMアルゴリズム
数式を使わずイメージで理解するEMアルゴリズム数式を使わずイメージで理解するEMアルゴリズム
数式を使わずイメージで理解するEMアルゴリズム裕樹 奥田
 
はじめてのパターン認識8章サポートベクトルマシン
はじめてのパターン認識8章サポートベクトルマシンはじめてのパターン認識8章サポートベクトルマシン
はじめてのパターン認識8章サポートベクトルマシンNobuyukiTakayasu
 
Control as Inference (強化学習とベイズ統計)
Control as Inference (強化学習とベイズ統計)Control as Inference (強化学習とベイズ統計)
Control as Inference (強化学習とベイズ統計)Shohei Taniguchi
 
わかりやすいパターン認識_2章
わかりやすいパターン認識_2章わかりやすいパターン認識_2章
わかりやすいパターン認識_2章weda654
 
ノンパラメトリックベイズ4章クラスタリング
ノンパラメトリックベイズ4章クラスタリングノンパラメトリックベイズ4章クラスタリング
ノンパラメトリックベイズ4章クラスタリング智文 中野
 
パターン認識と機械学習(PRML)第2章 確率分布 2.3 ガウス分布
パターン認識と機械学習(PRML)第2章 確率分布 2.3 ガウス分布パターン認識と機械学習(PRML)第2章 確率分布 2.3 ガウス分布
パターン認識と機械学習(PRML)第2章 確率分布 2.3 ガウス分布Nagayoshi Yamashita
 
PRML上巻勉強会 at 東京大学 資料 第1章前半
PRML上巻勉強会 at 東京大学 資料 第1章前半PRML上巻勉強会 at 東京大学 資料 第1章前半
PRML上巻勉強会 at 東京大学 資料 第1章前半Ohsawa Goodfellow
 
[DL輪読会]1次近似系MAMLとその理論的背景
[DL輪読会]1次近似系MAMLとその理論的背景[DL輪読会]1次近似系MAMLとその理論的背景
[DL輪読会]1次近似系MAMLとその理論的背景Deep Learning JP
 
PRML輪読#3
PRML輪読#3PRML輪読#3
PRML輪読#3matsuolab
 
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定Akira Masuda
 
密度比推定による時系列データの異常検知
密度比推定による時系列データの異常検知密度比推定による時系列データの異常検知
密度比推定による時系列データの異常検知- Core Concept Technologies
 
CatBoost on GPU のひみつ
CatBoost on GPU のひみつCatBoost on GPU のひみつ
CatBoost on GPU のひみつTakuji Tahara
 

What's hot (20)

PRML輪読#4
PRML輪読#4PRML輪読#4
PRML輪読#4
 
計算論的学習理論入門 -PAC学習とかVC次元とか-
計算論的学習理論入門 -PAC学習とかVC次元とか-計算論的学習理論入門 -PAC学習とかVC次元とか-
計算論的学習理論入門 -PAC学習とかVC次元とか-
 
階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門
 
PRML輪読#1
PRML輪読#1PRML輪読#1
PRML輪読#1
 
負の二項分布について
負の二項分布について負の二項分布について
負の二項分布について
 
深層学習の数理
深層学習の数理深層学習の数理
深層学習の数理
 
深層学習 勉強会第5回 ボルツマンマシン
深層学習 勉強会第5回 ボルツマンマシン深層学習 勉強会第5回 ボルツマンマシン
深層学習 勉強会第5回 ボルツマンマシン
 
数式を使わずイメージで理解するEMアルゴリズム
数式を使わずイメージで理解するEMアルゴリズム数式を使わずイメージで理解するEMアルゴリズム
数式を使わずイメージで理解するEMアルゴリズム
 
はじめてのパターン認識8章サポートベクトルマシン
はじめてのパターン認識8章サポートベクトルマシンはじめてのパターン認識8章サポートベクトルマシン
はじめてのパターン認識8章サポートベクトルマシン
 
Control as Inference (強化学習とベイズ統計)
Control as Inference (強化学習とベイズ統計)Control as Inference (強化学習とベイズ統計)
Control as Inference (強化学習とベイズ統計)
 
わかりやすいパターン認識_2章
わかりやすいパターン認識_2章わかりやすいパターン認識_2章
わかりやすいパターン認識_2章
 
ノンパラメトリックベイズ4章クラスタリング
ノンパラメトリックベイズ4章クラスタリングノンパラメトリックベイズ4章クラスタリング
ノンパラメトリックベイズ4章クラスタリング
 
パターン認識と機械学習(PRML)第2章 確率分布 2.3 ガウス分布
パターン認識と機械学習(PRML)第2章 確率分布 2.3 ガウス分布パターン認識と機械学習(PRML)第2章 確率分布 2.3 ガウス分布
パターン認識と機械学習(PRML)第2章 確率分布 2.3 ガウス分布
 
PRML上巻勉強会 at 東京大学 資料 第1章前半
PRML上巻勉強会 at 東京大学 資料 第1章前半PRML上巻勉強会 at 東京大学 資料 第1章前半
PRML上巻勉強会 at 東京大学 資料 第1章前半
 
[DL輪読会]1次近似系MAMLとその理論的背景
[DL輪読会]1次近似系MAMLとその理論的背景[DL輪読会]1次近似系MAMLとその理論的背景
[DL輪読会]1次近似系MAMLとその理論的背景
 
PRML輪読#3
PRML輪読#3PRML輪読#3
PRML輪読#3
 
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
 
密度比推定による時系列データの異常検知
密度比推定による時系列データの異常検知密度比推定による時系列データの異常検知
密度比推定による時系列データの異常検知
 
MICの解説
MICの解説MICの解説
MICの解説
 
CatBoost on GPU のひみつ
CatBoost on GPU のひみつCatBoost on GPU のひみつ
CatBoost on GPU のひみつ
 

Similar to はじめてのパターン認識 第1章

PRML上巻勉強会 at 東京大学 資料 第1章後半
PRML上巻勉強会 at 東京大学 資料 第1章後半PRML上巻勉強会 at 東京大学 資料 第1章後半
PRML上巻勉強会 at 東京大学 資料 第1章後半Ohsawa Goodfellow
 
Characeter-Level CNN
Characeter-Level CNNCharaceter-Level CNN
Characeter-Level CNNtdualdir
 
異常検知と変化検知の1~3章をまとめてみた
異常検知と変化検知の1~3章をまとめてみた異常検知と変化検知の1~3章をまとめてみた
異常検知と変化検知の1~3章をまとめてみたTakahiro Yoshizawa
 
Boolean retrieval
Boolean retrievalBoolean retrieval
Boolean retrievalsaireya _
 
プログラミングコンテストでの乱択アルゴリズム
プログラミングコンテストでの乱択アルゴリズムプログラミングコンテストでの乱択アルゴリズム
プログラミングコンテストでの乱択アルゴリズムTakuya Akiba
 

Similar to はじめてのパターン認識 第1章 (8)

Prml 1.3~1.6 ver3
Prml 1.3~1.6 ver3Prml 1.3~1.6 ver3
Prml 1.3~1.6 ver3
 
統計学
統計学統計学
統計学
 
直交領域探索
直交領域探索直交領域探索
直交領域探索
 
PRML上巻勉強会 at 東京大学 資料 第1章後半
PRML上巻勉強会 at 東京大学 資料 第1章後半PRML上巻勉強会 at 東京大学 資料 第1章後半
PRML上巻勉強会 at 東京大学 資料 第1章後半
 
Characeter-Level CNN
Characeter-Level CNNCharaceter-Level CNN
Characeter-Level CNN
 
異常検知と変化検知の1~3章をまとめてみた
異常検知と変化検知の1~3章をまとめてみた異常検知と変化検知の1~3章をまとめてみた
異常検知と変化検知の1~3章をまとめてみた
 
Boolean retrieval
Boolean retrievalBoolean retrieval
Boolean retrieval
 
プログラミングコンテストでの乱択アルゴリズム
プログラミングコンテストでの乱択アルゴリズムプログラミングコンテストでの乱択アルゴリズム
プログラミングコンテストでの乱択アルゴリズム
 

More from Prunus 1350

SAS University EditionでもJupyter Notebookが使えるようになった話
SAS University EditionでもJupyter Notebookが使えるようになった話SAS University EditionでもJupyter Notebookが使えるようになった話
SAS University EditionでもJupyter Notebookが使えるようになった話Prunus 1350
 
統計的学習の基礎 第2章後半
統計的学習の基礎 第2章後半統計的学習の基礎 第2章後半
統計的学習の基礎 第2章後半Prunus 1350
 
Rで学ぶデータマイニングI 第8章〜第13章
Rで学ぶデータマイニングI 第8章〜第13章Rで学ぶデータマイニングI 第8章〜第13章
Rで学ぶデータマイニングI 第8章〜第13章Prunus 1350
 
はじめてのパターン認識 第11章 11.1-11.2
はじめてのパターン認識 第11章 11.1-11.2はじめてのパターン認識 第11章 11.1-11.2
はじめてのパターン認識 第11章 11.1-11.2Prunus 1350
 
TokyoR 第36回LT Rで部分空間法
TokyoR 第36回LT Rで部分空間法TokyoR 第36回LT Rで部分空間法
TokyoR 第36回LT Rで部分空間法Prunus 1350
 
はじめてのパターン認識 第9章 9.5-9.6
はじめてのパターン認識 第9章 9.5-9.6はじめてのパターン認識 第9章 9.5-9.6
はじめてのパターン認識 第9章 9.5-9.6Prunus 1350
 
パターン認識と機械学習 §8.3.4 有向グラフとの関係
パターン認識と機械学習 §8.3.4 有向グラフとの関係パターン認識と機械学習 §8.3.4 有向グラフとの関係
パターン認識と機械学習 §8.3.4 有向グラフとの関係Prunus 1350
 
パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成Prunus 1350
 
集合知プログラミング 第4章 4.7
集合知プログラミング 第4章 4.7集合知プログラミング 第4章 4.7
集合知プログラミング 第4章 4.7Prunus 1350
 
スティーヴ・ライヒを聴こう
スティーヴ・ライヒを聴こうスティーヴ・ライヒを聴こう
スティーヴ・ライヒを聴こうPrunus 1350
 
第5章 統計的仮説検定 (Rによるやさしい統計学)
第5章 統計的仮説検定 (Rによるやさしい統計学)第5章 統計的仮説検定 (Rによるやさしい統計学)
第5章 統計的仮説検定 (Rによるやさしい統計学)Prunus 1350
 

More from Prunus 1350 (11)

SAS University EditionでもJupyter Notebookが使えるようになった話
SAS University EditionでもJupyter Notebookが使えるようになった話SAS University EditionでもJupyter Notebookが使えるようになった話
SAS University EditionでもJupyter Notebookが使えるようになった話
 
統計的学習の基礎 第2章後半
統計的学習の基礎 第2章後半統計的学習の基礎 第2章後半
統計的学習の基礎 第2章後半
 
Rで学ぶデータマイニングI 第8章〜第13章
Rで学ぶデータマイニングI 第8章〜第13章Rで学ぶデータマイニングI 第8章〜第13章
Rで学ぶデータマイニングI 第8章〜第13章
 
はじめてのパターン認識 第11章 11.1-11.2
はじめてのパターン認識 第11章 11.1-11.2はじめてのパターン認識 第11章 11.1-11.2
はじめてのパターン認識 第11章 11.1-11.2
 
TokyoR 第36回LT Rで部分空間法
TokyoR 第36回LT Rで部分空間法TokyoR 第36回LT Rで部分空間法
TokyoR 第36回LT Rで部分空間法
 
はじめてのパターン認識 第9章 9.5-9.6
はじめてのパターン認識 第9章 9.5-9.6はじめてのパターン認識 第9章 9.5-9.6
はじめてのパターン認識 第9章 9.5-9.6
 
パターン認識と機械学習 §8.3.4 有向グラフとの関係
パターン認識と機械学習 §8.3.4 有向グラフとの関係パターン認識と機械学習 §8.3.4 有向グラフとの関係
パターン認識と機械学習 §8.3.4 有向グラフとの関係
 
パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成
 
集合知プログラミング 第4章 4.7
集合知プログラミング 第4章 4.7集合知プログラミング 第4章 4.7
集合知プログラミング 第4章 4.7
 
スティーヴ・ライヒを聴こう
スティーヴ・ライヒを聴こうスティーヴ・ライヒを聴こう
スティーヴ・ライヒを聴こう
 
第5章 統計的仮説検定 (Rによるやさしい統計学)
第5章 統計的仮説検定 (Rによるやさしい統計学)第5章 統計的仮説検定 (Rによるやさしい統計学)
第5章 統計的仮説検定 (Rによるやさしい統計学)
 

Recently uploaded

TEAMIN Service overview for customer_20240422.pdf
TEAMIN Service overview for customer_20240422.pdfTEAMIN Service overview for customer_20240422.pdf
TEAMIN Service overview for customer_20240422.pdfyukisuga3
 
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライド
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライドリアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライド
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライドKen Fukui
 
リアル戦国探究in米沢 当日講座1(スタッフ共有用)『兵は詐をもって立つ』についてのスライド
リアル戦国探究in米沢 当日講座1(スタッフ共有用)『兵は詐をもって立つ』についてのスライドリアル戦国探究in米沢 当日講座1(スタッフ共有用)『兵は詐をもって立つ』についてのスライド
リアル戦国探究in米沢 当日講座1(スタッフ共有用)『兵は詐をもって立つ』についてのスライドKen Fukui
 
The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024koheioishi1
 
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentationTokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentationYukiTerazawa
 
リアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライド
リアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライドリアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライド
リアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライドKen Fukui
 
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学ssusere0a682
 
リアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライド
リアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライドリアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライド
リアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライドKen Fukui
 
リアル戦国探究in米沢 事前講座1スライド(スタッフ共有用)『川中島の謎』についてのスライド
リアル戦国探究in米沢 事前講座1スライド(スタッフ共有用)『川中島の謎』についてのスライドリアル戦国探究in米沢 事前講座1スライド(スタッフ共有用)『川中島の謎』についてのスライド
リアル戦国探究in米沢 事前講座1スライド(スタッフ共有用)『川中島の謎』についてのスライドKen Fukui
 
UniProject Workshop Make a Discord Bot with JavaScript
UniProject Workshop Make a Discord Bot with JavaScriptUniProject Workshop Make a Discord Bot with JavaScript
UniProject Workshop Make a Discord Bot with JavaScriptyuitoakatsukijp
 

Recently uploaded (10)

TEAMIN Service overview for customer_20240422.pdf
TEAMIN Service overview for customer_20240422.pdfTEAMIN Service overview for customer_20240422.pdf
TEAMIN Service overview for customer_20240422.pdf
 
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライド
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライドリアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライド
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライド
 
リアル戦国探究in米沢 当日講座1(スタッフ共有用)『兵は詐をもって立つ』についてのスライド
リアル戦国探究in米沢 当日講座1(スタッフ共有用)『兵は詐をもって立つ』についてのスライドリアル戦国探究in米沢 当日講座1(スタッフ共有用)『兵は詐をもって立つ』についてのスライド
リアル戦国探究in米沢 当日講座1(スタッフ共有用)『兵は詐をもって立つ』についてのスライド
 
The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024
 
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentationTokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentation
 
リアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライド
リアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライドリアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライド
リアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライド
 
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
 
リアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライド
リアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライドリアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライド
リアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライド
 
リアル戦国探究in米沢 事前講座1スライド(スタッフ共有用)『川中島の謎』についてのスライド
リアル戦国探究in米沢 事前講座1スライド(スタッフ共有用)『川中島の謎』についてのスライドリアル戦国探究in米沢 事前講座1スライド(スタッフ共有用)『川中島の謎』についてのスライド
リアル戦国探究in米沢 事前講座1スライド(スタッフ共有用)『川中島の謎』についてのスライド
 
UniProject Workshop Make a Discord Bot with JavaScript
UniProject Workshop Make a Discord Bot with JavaScriptUniProject Workshop Make a Discord Bot with JavaScript
UniProject Workshop Make a Discord Bot with JavaScript
 

はじめてのパターン認識 第1章