SlideShare a Scribd company logo
適当なので注意
こんなデータが得られたとします
• 7元で表せるデータ列が20個あるとして
p[0] p[1] p[2] p[3] p[4] p[5] p[6]
8.029544 4.70289 10.27533 8.711522 11.68023 8.750018 9.819413
10.04115 4.765279 11.22785 9.832745 11.16592 10.20638 13.7156
6.406679 3.805438 8.771842 5.474612 8.185449 6.138685 12.46101
5.432359 5.053703 10.32298 5.672578 11.97298 6.003217 10.38876
2.230535 2.849621 5.447993 2.808569 7.085742 2.827723 4.059833
2.3872 1.559526 3.780177 1.233252 2.686427 1.839447 7.355391
2.881693 3.108613 6.588471 1.906075 6.386903 2.598389 9.603268
3.633426 3.013722 6.595095 2.758911 6.294552 3.378788 9.531652
10.34498 4.515416 10.98205 9.794939 10.32228 10.27807 14.51649
9.698213 3.792461 9.30297 9.846679 9.238954 9.967777 10.84519
5.447365 4.74843 10.11748 4.67707 10.4203 5.40246 13.00408
5.011852 4.880006 9.735676 5.761372 11.9897 5.86653 8.31746
11.07462 5.169767 12.38226 10.38225 11.72644 10.98124 16.40871
9.395423 5.431209 12.30943 8.924104 12.42515 9.50054 15.27551
8.412666 4.929053 11.35146 7.334146 10.71749 8.136719 15.80442
4.582786 3.439149 7.756845 3.244081 6.915304 4.085366 12.15409
5.887355 6.111301 12.70313 4.924477 13.37913 5.874038 16.05897
6.269419 5.411706 11.10949 6.739355 13.02455 6.991714 10.70806
5.205309 2.650874 6.276174 4.674391 5.839725 5.068122 8.706165
9.02106 4.580345 10.42586 9.414251 11.20555 9.536907 11.02731
0
5
10
15
20
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Chart Title
Series1 Series2 Series3 Series4
Series5 Series6 Series7
なんとなく、
相関ありそう
に見える
実のところ、これ…
• 表現するのに7次元も要らない
a b c
0.75897 0.038496 0.79501
0.538869 0.373638 0.931263
0.39608 0.664073 0.446487
0.901498 0.33064 0.393216
0.616343 0.019155 0.17297
0.058441 0.606194 0.056686
0.40901 0.692314 0.043971
0.365239 0.619877 0.156506
0.416213 0.483128 0.942154
0.390663 0.121099 0.993806
0.680484 0.72539 0.287857
0.959837 0.105159 0.415171
0.505611 0.598991 0.97467
0.681553 0.576436 0.776062
0.526626 0.802573 0.608702
0.343863 0.841284 0.190563
0.936243 0.949561 0.233603
0.974653 0.252358 0.504188
0.256544 0.393731 0.418619
0.638503 0.122656 0.89051
x = { 1, 4, 7, 2, 10, 2, 4 )
y = { 3, 2, 5, 1, 3, 2, 11)
z = { 9, 2, 6, 9, 5, 9, 8)
として、前ページのデータ列は、本ページのデータa, b, cを使って
a x + b y + c z
で表せたりする。
主成分分析
• 元の7元データから、真に意味のある3元データを抜き出す手法
p[0] p[1] p[2] p[3] p[4] p[5] p[6]
8.029544 4.70289 10.27533 8.711522 11.68023 8.750018 9.819413
10.04115 4.765279 11.22785 9.832745 11.16592 10.20638 13.7156
6.406679 3.805438 8.771842 5.474612 8.185449 6.138685 12.46101
5.432359 5.053703 10.32298 5.672578 11.97298 6.003217 10.38876
2.230535 2.849621 5.447993 2.808569 7.085742 2.827723 4.059833
2.3872 1.559526 3.780177 1.233252 2.686427 1.839447 7.355391
2.881693 3.108613 6.588471 1.906075 6.386903 2.598389 9.603268
3.633426 3.013722 6.595095 2.758911 6.294552 3.378788 9.531652
10.34498 4.515416 10.98205 9.794939 10.32228 10.27807 14.51649
9.698213 3.792461 9.30297 9.846679 9.238954 9.967777 10.84519
5.447365 4.74843 10.11748 4.67707 10.4203 5.40246 13.00408
5.011852 4.880006 9.735676 5.761372 11.9897 5.86653 8.31746
11.07462 5.169767 12.38226 10.38225 11.72644 10.98124 16.40871
9.395423 5.431209 12.30943 8.924104 12.42515 9.50054 15.27551
8.412666 4.929053 11.35146 7.334146 10.71749 8.136719 15.80442
4.582786 3.439149 7.756845 3.244081 6.915304 4.085366 12.15409
5.887355 6.111301 12.70313 4.924477 13.37913 5.874038 16.05897
6.269419 5.411706 11.10949 6.739355 13.02455 6.991714 10.70806
5.205309 2.650874 6.276174 4.674391 5.839725 5.068122 8.706165
9.02106 4.580345 10.42586 9.414251 11.20555 9.536907 11.02731
a b c
0.75897 0.038496 0.79501
0.538869 0.373638 0.931263
0.39608 0.664073 0.446487
0.901498 0.33064 0.393216
0.616343 0.019155 0.17297
0.058441 0.606194 0.056686
0.40901 0.692314 0.043971
0.365239 0.619877 0.156506
0.416213 0.483128 0.942154
0.390663 0.121099 0.993806
0.680484 0.72539 0.287857
0.959837 0.105159 0.415171
0.505611 0.598991 0.97467
0.681553 0.576436 0.776062
0.526626 0.802573 0.608702
0.343863 0.841284 0.190563
0.936243 0.949561 0.233603
0.974653 0.252358 0.504188
0.256544 0.393731 0.418619
0.638503 0.122656 0.89051
主成分分析
(特異値分解)
※ この例はわざとこういうデータ作ってるから事前に「意味があるのは3次元だった」ってわかってるけども、
実際には、この「何次元か」とか「何次元くらいだけ残せば残りは誤差程度とみなせるか」とかを調べるのが主成分分析。
それで何がうれしいか
• 相関があるのかどうか(ただのランダム列じゃないか)調べれる
• 計算量が削減できる
• 機械学習にしろ何にしろ、計算量は単純にデータ量に比例したり
• というか、2乗とか3乗とかに比例することが多いので、データ量増えるとやばい
• 明日の天気の予測に2日かかったら意味がない
• 予測や学習、案外、計算量縮めるの大事
こういうのには数学が必要です
• さっきの主成分分析ってのは、線形代数(ベクトルとか行列と
か)の応用です
• how to 機械学習
• 学習させたいものをまずベクトルで表します
• プログラミング的に言うと、とりあえず数値の配列で表現できるように考えます
• 数学的手法を使って、そのベクトルの特徴量みたいなのを抽出します
• …
• 抽出するコード書いてみましょう…

More Related Content

Viewers also liked

今から始める、Windows 10&新.NETへの移行戦略
今から始める、Windows 10&新.NETへの移行戦略今から始める、Windows 10&新.NETへの移行戦略
今から始める、Windows 10&新.NETへの移行戦略
信之 岩永
 
.NET vNext
.NET vNext.NET vNext
.NET vNext
信之 岩永
 
今から始める、Windows 10&新.NETへの移行戦略
今から始める、Windows 10&新.NETへの移行戦略今から始める、Windows 10&新.NETへの移行戦略
今から始める、Windows 10&新.NETへの移行戦略
信之 岩永
 
An other world awaits you
An other world awaits youAn other world awaits you
An other world awaits you
信之 岩永
 
IL2CPPに関する軽い話
IL2CPPに関する軽い話IL2CPPに関する軽い話
IL2CPPに関する軽い話
Wooram Yang
 
エラーハンドリング
エラーハンドリングエラーハンドリング
エラーハンドリング
道化師 堂華
 
One ASP.NET, OWIN & Katana
One ASP.NET, OWIN & KatanaOne ASP.NET, OWIN & Katana
One ASP.NET, OWIN & Katana
miso- soup3
 
Interaction channel
Interaction channelInteraction channel
Interaction channel
信之 岩永
 
Rust 1.0 Release記念祝賀 - Rustのドキュメントを少し訳してみた
Rust 1.0 Release記念祝賀 - Rustのドキュメントを少し訳してみたRust 1.0 Release記念祝賀 - Rustのドキュメントを少し訳してみた
Rust 1.0 Release記念祝賀 - Rustのドキュメントを少し訳してみた
sumito3478
 
Bodlogiin code
Bodlogiin codeBodlogiin code
Bodlogiin code
orgil
 
Async History in .NET
Async History in .NETAsync History in .NET
Async History in .NET
Takaaki Suzuki
 
Universal Appとは? -デバイスに依存しないアプリケーション開発-
Universal Appとは? -デバイスに依存しないアプリケーション開発-Universal Appとは? -デバイスに依存しないアプリケーション開発-
Universal Appとは? -デバイスに依存しないアプリケーション開発-
Takaaki Suzuki
 
Friendly
FriendlyFriendly
Friendly
Takaaki Suzuki
 
WPF Interoperability
WPF InteroperabilityWPF Interoperability
WPF Interoperability
Takaaki Suzuki
 
Msgpack cli-tech-aid-2013
Msgpack cli-tech-aid-2013Msgpack cli-tech-aid-2013
Msgpack cli-tech-aid-2013
Yusuke Fujiwara
 
DeclarativeSql
DeclarativeSqlDeclarativeSql
DeclarativeSql
Takaaki Suzuki
 
Sevens Algorithm
Sevens AlgorithmSevens Algorithm
Sevens Algorithm
Takaaki Suzuki
 
酒の肴はC# vNext
酒の肴はC# vNext酒の肴はC# vNext
酒の肴はC# vNext
Takaaki Suzuki
 
LINQPad with LINQ to BigQuery - Desktop Client for BigQuery
LINQPad with LINQ to BigQuery - Desktop Client for BigQueryLINQPad with LINQ to BigQuery - Desktop Client for BigQuery
LINQPad with LINQ to BigQuery - Desktop Client for BigQuery
Yoshifumi Kawai
 
Rust v1.0 release celebration party
Rust v1.0 release celebration partyRust v1.0 release celebration party
Rust v1.0 release celebration party
Akira Hayakawa
 

Viewers also liked (20)

今から始める、Windows 10&新.NETへの移行戦略
今から始める、Windows 10&新.NETへの移行戦略今から始める、Windows 10&新.NETへの移行戦略
今から始める、Windows 10&新.NETへの移行戦略
 
.NET vNext
.NET vNext.NET vNext
.NET vNext
 
今から始める、Windows 10&新.NETへの移行戦略
今から始める、Windows 10&新.NETへの移行戦略今から始める、Windows 10&新.NETへの移行戦略
今から始める、Windows 10&新.NETへの移行戦略
 
An other world awaits you
An other world awaits youAn other world awaits you
An other world awaits you
 
IL2CPPに関する軽い話
IL2CPPに関する軽い話IL2CPPに関する軽い話
IL2CPPに関する軽い話
 
エラーハンドリング
エラーハンドリングエラーハンドリング
エラーハンドリング
 
One ASP.NET, OWIN & Katana
One ASP.NET, OWIN & KatanaOne ASP.NET, OWIN & Katana
One ASP.NET, OWIN & Katana
 
Interaction channel
Interaction channelInteraction channel
Interaction channel
 
Rust 1.0 Release記念祝賀 - Rustのドキュメントを少し訳してみた
Rust 1.0 Release記念祝賀 - Rustのドキュメントを少し訳してみたRust 1.0 Release記念祝賀 - Rustのドキュメントを少し訳してみた
Rust 1.0 Release記念祝賀 - Rustのドキュメントを少し訳してみた
 
Bodlogiin code
Bodlogiin codeBodlogiin code
Bodlogiin code
 
Async History in .NET
Async History in .NETAsync History in .NET
Async History in .NET
 
Universal Appとは? -デバイスに依存しないアプリケーション開発-
Universal Appとは? -デバイスに依存しないアプリケーション開発-Universal Appとは? -デバイスに依存しないアプリケーション開発-
Universal Appとは? -デバイスに依存しないアプリケーション開発-
 
Friendly
FriendlyFriendly
Friendly
 
WPF Interoperability
WPF InteroperabilityWPF Interoperability
WPF Interoperability
 
Msgpack cli-tech-aid-2013
Msgpack cli-tech-aid-2013Msgpack cli-tech-aid-2013
Msgpack cli-tech-aid-2013
 
DeclarativeSql
DeclarativeSqlDeclarativeSql
DeclarativeSql
 
Sevens Algorithm
Sevens AlgorithmSevens Algorithm
Sevens Algorithm
 
酒の肴はC# vNext
酒の肴はC# vNext酒の肴はC# vNext
酒の肴はC# vNext
 
LINQPad with LINQ to BigQuery - Desktop Client for BigQuery
LINQPad with LINQ to BigQuery - Desktop Client for BigQueryLINQPad with LINQ to BigQuery - Desktop Client for BigQuery
LINQPad with LINQ to BigQuery - Desktop Client for BigQuery
 
Rust v1.0 release celebration party
Rust v1.0 release celebration partyRust v1.0 release celebration party
Rust v1.0 release celebration party
 

More from 信之 岩永

YouTube ライブ配信するようになった話
YouTube ライブ配信するようになった話YouTube ライブ配信するようになった話
YouTube ライブ配信するようになった話
信之 岩永
 
C# 9.0 / .NET 5.0
C# 9.0 / .NET 5.0C# 9.0 / .NET 5.0
C# 9.0 / .NET 5.0
信之 岩永
 
C# コンパイラーの書き換え作業の話
C# コンパイラーの書き換え作業の話C# コンパイラーの書き換え作業の話
C# コンパイラーの書き換え作業の話
信之 岩永
 
Unicode文字列処理
Unicode文字列処理Unicode文字列処理
Unicode文字列処理
信之 岩永
 
C# 8.0 非同期ストリーム
C# 8.0 非同期ストリームC# 8.0 非同期ストリーム
C# 8.0 非同期ストリーム
信之 岩永
 
C# 8.0 null許容参照型
C# 8.0 null許容参照型C# 8.0 null許容参照型
C# 8.0 null許容参照型
信之 岩永
 
C# 8.0 Preview in Visual Studio 2019 (16.0)
C# 8.0 Preview in Visual Studio 2019 (16.0)C# 8.0 Preview in Visual Studio 2019 (16.0)
C# 8.0 Preview in Visual Studio 2019 (16.0)
信之 岩永
 
async/await のしくみ
async/await のしくみasync/await のしくみ
async/await のしくみ
信之 岩永
 
.NET Core 2.x 時代の C#
.NET Core 2.x 時代の C#.NET Core 2.x 時代の C#
.NET Core 2.x 時代の C#
信之 岩永
 
C# 7.2 with .NET Core 2.1
C# 7.2 with .NET Core 2.1C# 7.2 with .NET Core 2.1
C# 7.2 with .NET Core 2.1
信之 岩永
 
C#言語機能の作り方
C#言語機能の作り方C#言語機能の作り方
C#言語機能の作り方
信之 岩永
 
Unityで使える C# 6.0~と .NET 4.6
Unityで使える C# 6.0~と .NET 4.6Unityで使える C# 6.0~と .NET 4.6
Unityで使える C# 6.0~と .NET 4.6
信之 岩永
 
C# design note sep 2014
C# design note sep 2014C# design note sep 2014
C# design note sep 2014
信之 岩永
 
Coding Interview
Coding InterviewCoding Interview
Coding Interview
信之 岩永
 
非同期処理の基礎
非同期処理の基礎非同期処理の基礎
非同期処理の基礎
信之 岩永
 
プログラミング .NET Framework 第4版
プログラミング .NET Framework 第4版プログラミング .NET Framework 第4版
プログラミング .NET Framework 第4版
信之 岩永
 
Anders Hejlsberg Q & A
Anders Hejlsberg Q & AAnders Hejlsberg Q & A
Anders Hejlsberg Q & A
信之 岩永
 
C#マスコット(公開用)
C#マスコット(公開用)C#マスコット(公開用)
C#マスコット(公開用)
信之 岩永
 
広がる .Net
広がる .Net広がる .Net
広がる .Net
信之 岩永
 

More from 信之 岩永 (19)

YouTube ライブ配信するようになった話
YouTube ライブ配信するようになった話YouTube ライブ配信するようになった話
YouTube ライブ配信するようになった話
 
C# 9.0 / .NET 5.0
C# 9.0 / .NET 5.0C# 9.0 / .NET 5.0
C# 9.0 / .NET 5.0
 
C# コンパイラーの書き換え作業の話
C# コンパイラーの書き換え作業の話C# コンパイラーの書き換え作業の話
C# コンパイラーの書き換え作業の話
 
Unicode文字列処理
Unicode文字列処理Unicode文字列処理
Unicode文字列処理
 
C# 8.0 非同期ストリーム
C# 8.0 非同期ストリームC# 8.0 非同期ストリーム
C# 8.0 非同期ストリーム
 
C# 8.0 null許容参照型
C# 8.0 null許容参照型C# 8.0 null許容参照型
C# 8.0 null許容参照型
 
C# 8.0 Preview in Visual Studio 2019 (16.0)
C# 8.0 Preview in Visual Studio 2019 (16.0)C# 8.0 Preview in Visual Studio 2019 (16.0)
C# 8.0 Preview in Visual Studio 2019 (16.0)
 
async/await のしくみ
async/await のしくみasync/await のしくみ
async/await のしくみ
 
.NET Core 2.x 時代の C#
.NET Core 2.x 時代の C#.NET Core 2.x 時代の C#
.NET Core 2.x 時代の C#
 
C# 7.2 with .NET Core 2.1
C# 7.2 with .NET Core 2.1C# 7.2 with .NET Core 2.1
C# 7.2 with .NET Core 2.1
 
C#言語機能の作り方
C#言語機能の作り方C#言語機能の作り方
C#言語機能の作り方
 
Unityで使える C# 6.0~と .NET 4.6
Unityで使える C# 6.0~と .NET 4.6Unityで使える C# 6.0~と .NET 4.6
Unityで使える C# 6.0~と .NET 4.6
 
C# design note sep 2014
C# design note sep 2014C# design note sep 2014
C# design note sep 2014
 
Coding Interview
Coding InterviewCoding Interview
Coding Interview
 
非同期処理の基礎
非同期処理の基礎非同期処理の基礎
非同期処理の基礎
 
プログラミング .NET Framework 第4版
プログラミング .NET Framework 第4版プログラミング .NET Framework 第4版
プログラミング .NET Framework 第4版
 
Anders Hejlsberg Q & A
Anders Hejlsberg Q & AAnders Hejlsberg Q & A
Anders Hejlsberg Q & A
 
C#マスコット(公開用)
C#マスコット(公開用)C#マスコット(公開用)
C#マスコット(公開用)
 
広がる .Net
広がる .Net広がる .Net
広がる .Net
 

Recently uploaded

Matsuo-Iwasawa lab. Research Unit Introduction
Matsuo-Iwasawa lab. Research Unit IntroductionMatsuo-Iwasawa lab. Research Unit Introduction
Matsuo-Iwasawa lab. Research Unit Introduction
Matsuo Lab
 
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
shogotaguchi
 
能動的サイバー防御の時代へ - GPTsから垣間見えた私達と未来のAIについて
能動的サイバー防御の時代へ - GPTsから垣間見えた私達と未来のAIについて能動的サイバー防御の時代へ - GPTsから垣間見えた私達と未来のAIについて
能動的サイバー防御の時代へ - GPTsから垣間見えた私達と未来のAIについて
Tetsuya Nihonmatsu
 
【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説
【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説
【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説
TsuyoshiSaito7
 
第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras
第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras
第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras
Takuya Minagawa
 
MOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツール
MOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツールMOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツール
MOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツール
TsuyoshiSaito7
 
Kyndryl Developer Services のご紹介 2024年7月
Kyndryl Developer Services のご紹介  2024年7月Kyndryl Developer Services のご紹介  2024年7月
Kyndryl Developer Services のご紹介 2024年7月
Takayuki Nakayama
 
MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。
MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。
MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。
iPride Co., Ltd.
 
2024/07/04 Blazor+ローコードで実現する.NET資産のモダナイズ
2024/07/04 Blazor+ローコードで実現する.NET資産のモダナイズ2024/07/04 Blazor+ローコードで実現する.NET資産のモダナイズ
2024/07/04 Blazor+ローコードで実現する.NET資産のモダナイズ
Tatsuya Ishikawa
 
「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析
「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析
「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析
Hironori Washizaki
 
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
Sony - Neural Network Libraries
 

Recently uploaded (11)

Matsuo-Iwasawa lab. Research Unit Introduction
Matsuo-Iwasawa lab. Research Unit IntroductionMatsuo-Iwasawa lab. Research Unit Introduction
Matsuo-Iwasawa lab. Research Unit Introduction
 
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
 
能動的サイバー防御の時代へ - GPTsから垣間見えた私達と未来のAIについて
能動的サイバー防御の時代へ - GPTsから垣間見えた私達と未来のAIについて能動的サイバー防御の時代へ - GPTsから垣間見えた私達と未来のAIについて
能動的サイバー防御の時代へ - GPTsから垣間見えた私達と未来のAIについて
 
【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説
【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説
【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説
 
第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras
第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras
第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras
 
MOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツール
MOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツールMOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツール
MOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツール
 
Kyndryl Developer Services のご紹介 2024年7月
Kyndryl Developer Services のご紹介  2024年7月Kyndryl Developer Services のご紹介  2024年7月
Kyndryl Developer Services のご紹介 2024年7月
 
MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。
MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。
MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。
 
2024/07/04 Blazor+ローコードで実現する.NET資産のモダナイズ
2024/07/04 Blazor+ローコードで実現する.NET資産のモダナイズ2024/07/04 Blazor+ローコードで実現する.NET資産のモダナイズ
2024/07/04 Blazor+ローコードで実現する.NET資産のモダナイズ
 
「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析
「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析
「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析
 
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
 

それっぽく、適当に

  • 2. こんなデータが得られたとします • 7元で表せるデータ列が20個あるとして p[0] p[1] p[2] p[3] p[4] p[5] p[6] 8.029544 4.70289 10.27533 8.711522 11.68023 8.750018 9.819413 10.04115 4.765279 11.22785 9.832745 11.16592 10.20638 13.7156 6.406679 3.805438 8.771842 5.474612 8.185449 6.138685 12.46101 5.432359 5.053703 10.32298 5.672578 11.97298 6.003217 10.38876 2.230535 2.849621 5.447993 2.808569 7.085742 2.827723 4.059833 2.3872 1.559526 3.780177 1.233252 2.686427 1.839447 7.355391 2.881693 3.108613 6.588471 1.906075 6.386903 2.598389 9.603268 3.633426 3.013722 6.595095 2.758911 6.294552 3.378788 9.531652 10.34498 4.515416 10.98205 9.794939 10.32228 10.27807 14.51649 9.698213 3.792461 9.30297 9.846679 9.238954 9.967777 10.84519 5.447365 4.74843 10.11748 4.67707 10.4203 5.40246 13.00408 5.011852 4.880006 9.735676 5.761372 11.9897 5.86653 8.31746 11.07462 5.169767 12.38226 10.38225 11.72644 10.98124 16.40871 9.395423 5.431209 12.30943 8.924104 12.42515 9.50054 15.27551 8.412666 4.929053 11.35146 7.334146 10.71749 8.136719 15.80442 4.582786 3.439149 7.756845 3.244081 6.915304 4.085366 12.15409 5.887355 6.111301 12.70313 4.924477 13.37913 5.874038 16.05897 6.269419 5.411706 11.10949 6.739355 13.02455 6.991714 10.70806 5.205309 2.650874 6.276174 4.674391 5.839725 5.068122 8.706165 9.02106 4.580345 10.42586 9.414251 11.20555 9.536907 11.02731 0 5 10 15 20 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Chart Title Series1 Series2 Series3 Series4 Series5 Series6 Series7 なんとなく、 相関ありそう に見える
  • 3. 実のところ、これ… • 表現するのに7次元も要らない a b c 0.75897 0.038496 0.79501 0.538869 0.373638 0.931263 0.39608 0.664073 0.446487 0.901498 0.33064 0.393216 0.616343 0.019155 0.17297 0.058441 0.606194 0.056686 0.40901 0.692314 0.043971 0.365239 0.619877 0.156506 0.416213 0.483128 0.942154 0.390663 0.121099 0.993806 0.680484 0.72539 0.287857 0.959837 0.105159 0.415171 0.505611 0.598991 0.97467 0.681553 0.576436 0.776062 0.526626 0.802573 0.608702 0.343863 0.841284 0.190563 0.936243 0.949561 0.233603 0.974653 0.252358 0.504188 0.256544 0.393731 0.418619 0.638503 0.122656 0.89051 x = { 1, 4, 7, 2, 10, 2, 4 ) y = { 3, 2, 5, 1, 3, 2, 11) z = { 9, 2, 6, 9, 5, 9, 8) として、前ページのデータ列は、本ページのデータa, b, cを使って a x + b y + c z で表せたりする。
  • 4. 主成分分析 • 元の7元データから、真に意味のある3元データを抜き出す手法 p[0] p[1] p[2] p[3] p[4] p[5] p[6] 8.029544 4.70289 10.27533 8.711522 11.68023 8.750018 9.819413 10.04115 4.765279 11.22785 9.832745 11.16592 10.20638 13.7156 6.406679 3.805438 8.771842 5.474612 8.185449 6.138685 12.46101 5.432359 5.053703 10.32298 5.672578 11.97298 6.003217 10.38876 2.230535 2.849621 5.447993 2.808569 7.085742 2.827723 4.059833 2.3872 1.559526 3.780177 1.233252 2.686427 1.839447 7.355391 2.881693 3.108613 6.588471 1.906075 6.386903 2.598389 9.603268 3.633426 3.013722 6.595095 2.758911 6.294552 3.378788 9.531652 10.34498 4.515416 10.98205 9.794939 10.32228 10.27807 14.51649 9.698213 3.792461 9.30297 9.846679 9.238954 9.967777 10.84519 5.447365 4.74843 10.11748 4.67707 10.4203 5.40246 13.00408 5.011852 4.880006 9.735676 5.761372 11.9897 5.86653 8.31746 11.07462 5.169767 12.38226 10.38225 11.72644 10.98124 16.40871 9.395423 5.431209 12.30943 8.924104 12.42515 9.50054 15.27551 8.412666 4.929053 11.35146 7.334146 10.71749 8.136719 15.80442 4.582786 3.439149 7.756845 3.244081 6.915304 4.085366 12.15409 5.887355 6.111301 12.70313 4.924477 13.37913 5.874038 16.05897 6.269419 5.411706 11.10949 6.739355 13.02455 6.991714 10.70806 5.205309 2.650874 6.276174 4.674391 5.839725 5.068122 8.706165 9.02106 4.580345 10.42586 9.414251 11.20555 9.536907 11.02731 a b c 0.75897 0.038496 0.79501 0.538869 0.373638 0.931263 0.39608 0.664073 0.446487 0.901498 0.33064 0.393216 0.616343 0.019155 0.17297 0.058441 0.606194 0.056686 0.40901 0.692314 0.043971 0.365239 0.619877 0.156506 0.416213 0.483128 0.942154 0.390663 0.121099 0.993806 0.680484 0.72539 0.287857 0.959837 0.105159 0.415171 0.505611 0.598991 0.97467 0.681553 0.576436 0.776062 0.526626 0.802573 0.608702 0.343863 0.841284 0.190563 0.936243 0.949561 0.233603 0.974653 0.252358 0.504188 0.256544 0.393731 0.418619 0.638503 0.122656 0.89051 主成分分析 (特異値分解) ※ この例はわざとこういうデータ作ってるから事前に「意味があるのは3次元だった」ってわかってるけども、 実際には、この「何次元か」とか「何次元くらいだけ残せば残りは誤差程度とみなせるか」とかを調べるのが主成分分析。
  • 5. それで何がうれしいか • 相関があるのかどうか(ただのランダム列じゃないか)調べれる • 計算量が削減できる • 機械学習にしろ何にしろ、計算量は単純にデータ量に比例したり • というか、2乗とか3乗とかに比例することが多いので、データ量増えるとやばい • 明日の天気の予測に2日かかったら意味がない • 予測や学習、案外、計算量縮めるの大事
  • 6. こういうのには数学が必要です • さっきの主成分分析ってのは、線形代数(ベクトルとか行列と か)の応用です • how to 機械学習 • 学習させたいものをまずベクトルで表します • プログラミング的に言うと、とりあえず数値の配列で表現できるように考えます • 数学的手法を使って、そのベクトルの特徴量みたいなのを抽出します • …