Submit Search
Upload
それっぽく、適当に
•
Download as PPTX, PDF
•
1 like
•
1,754 views
信之 岩永
Follow
やっぱこう、具体例とかそれで何ができるとかは目に見えてないと
Read less
Read more
Technology
Report
Share
Report
Share
1 of 7
Download now
Recommended
Modern .NET
Modern .NET
信之 岩永
C#とILとネイティブと
C#とILとネイティブと
信之 岩永
C#や.NET Frameworkがやっていること
C#や.NET Frameworkがやっていること
信之 岩永
Orange Cube 自社フレームワーク 2015/3
Orange Cube 自社フレームワーク 2015/3
信之 岩永
C#/.NETがやっていること 第二版
C#/.NETがやっていること 第二版
信之 岩永
Code Contracts in .NET 4
Code Contracts in .NET 4
信之 岩永
.NET Compiler Platform
.NET Compiler Platform
信之 岩永
Deep Dive C# 6.0
Deep Dive C# 6.0
信之 岩永
Recommended
Modern .NET
Modern .NET
信之 岩永
C#とILとネイティブと
C#とILとネイティブと
信之 岩永
C#や.NET Frameworkがやっていること
C#や.NET Frameworkがやっていること
信之 岩永
Orange Cube 自社フレームワーク 2015/3
Orange Cube 自社フレームワーク 2015/3
信之 岩永
C#/.NETがやっていること 第二版
C#/.NETがやっていること 第二版
信之 岩永
Code Contracts in .NET 4
Code Contracts in .NET 4
信之 岩永
.NET Compiler Platform
.NET Compiler Platform
信之 岩永
Deep Dive C# 6.0
Deep Dive C# 6.0
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
信之 岩永
.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
信之 岩永
An 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
Wooram Yang
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 & Katana
miso- soup3
Interaction 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
sumito3478
Bodlogiin code
Bodlogiin code
orgil
Async 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-
Takaaki Suzuki
Friendly
Friendly
Takaaki Suzuki
WPF Interoperability
WPF Interoperability
Takaaki Suzuki
Msgpack cli-tech-aid-2013
Msgpack cli-tech-aid-2013
Yusuke Fujiwara
DeclarativeSql
DeclarativeSql
Takaaki Suzuki
Sevens Algorithm
Sevens Algorithm
Takaaki Suzuki
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 BigQuery
Yoshifumi Kawai
Rust v1.0 release celebration party
Rust v1.0 release celebration party
Akira Hayakawa
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 5.0
信之 岩永
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
信之 岩永
.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
信之 岩永
An 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
Wooram Yang
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 & Katana
miso- soup3
Interaction 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
sumito3478
Bodlogiin code
Bodlogiin code
orgil
Async 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-
Takaaki Suzuki
Friendly
Friendly
Takaaki Suzuki
WPF Interoperability
WPF Interoperability
Takaaki Suzuki
Msgpack cli-tech-aid-2013
Msgpack cli-tech-aid-2013
Yusuke Fujiwara
DeclarativeSql
DeclarativeSql
Takaaki Suzuki
Sevens Algorithm
Sevens Algorithm
Takaaki Suzuki
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 BigQuery
Yoshifumi Kawai
Rust 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
.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
An 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
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 & Katana
Interaction 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
Bodlogiin code
Bodlogiin code
Async 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-
Friendly
Friendly
WPF Interoperability
WPF Interoperability
Msgpack cli-tech-aid-2013
Msgpack cli-tech-aid-2013
DeclarativeSql
DeclarativeSql
Sevens Algorithm
Sevens Algorithm
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 BigQuery
Rust 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
信之 岩永
C# 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
信之 岩永
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
信之 岩永
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)
信之 岩永
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#
信之 岩永
C# 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
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 4.6
信之 岩永
C# design note sep 2014
C# design note sep 2014
信之 岩永
Coding Interview
Coding Interview
信之 岩永
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
信之 岩永
Anders 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)
信之 岩永
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
C# 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
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 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)
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#
C# 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
Unity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 2014
Coding Interview
Coding Interview
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
Anders 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)
広がる .Net
広がる .Net
Recently uploaded
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
Toru Tamaki
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
Hiroki Ichikura
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
taisei2219
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
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.
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
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
sugiuralab
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
Toru Tamaki
Recently uploaded
(8)
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
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...
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
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
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
それっぽく、適当に
1.
適当なので注意
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 • …
7.
• 抽出するコード書いてみましょう…
Download now