Submit Search
Upload
Study session#2
•
0 likes
•
50 views
恵
恵太 水野
Follow
for study session at my company
Read less
Read more
Engineering
Slideshow view
Report
Share
Slideshow view
Report
Share
1 of 17
Download now
Download to read offline
Recommended
JAWS-UG Okinawa 2017/01
JAWS-UG Okinawa 2017/01
司 知花
Findings from visualizing_massive_data
Findings from visualizing_massive_data
Toshiyuki Shimono
クリスマス?
クリスマス?
sasenomura
CuPyでAx=bを解きたかった話
CuPyでAx=bを解きたかった話
kiyoshiiriemon
Juliaを使った機械学習
Juliaを使った機械学習
Aki Ariga
numpyの魅力
numpyの魅力
__106__
MySQL 8.0 にGIS機能がやってきた~ライトニングトーク~
MySQL 8.0 にGIS機能がやってきた~ライトニングトーク~
sakaik
サイボウズ・ラボユース成果発表会資料
サイボウズ・ラボユース成果発表会資料
masahiro13
Recommended
JAWS-UG Okinawa 2017/01
JAWS-UG Okinawa 2017/01
司 知花
Findings from visualizing_massive_data
Findings from visualizing_massive_data
Toshiyuki Shimono
クリスマス?
クリスマス?
sasenomura
CuPyでAx=bを解きたかった話
CuPyでAx=bを解きたかった話
kiyoshiiriemon
Juliaを使った機械学習
Juliaを使った機械学習
Aki Ariga
numpyの魅力
numpyの魅力
__106__
MySQL 8.0 にGIS機能がやってきた~ライトニングトーク~
MySQL 8.0 にGIS機能がやってきた~ライトニングトーク~
sakaik
サイボウズ・ラボユース成果発表会資料
サイボウズ・ラボユース成果発表会資料
masahiro13
Spider Shibuya.pm #12
Spider Shibuya.pm #12
Kentoku
Web06
Web06
XMLProJ2014
20160611 pymc3-latent
20160611 pymc3-latent
Taku Yoshioka
普通に使える?BigQuery
普通に使える?BigQuery
Wasaburo Miyata
Ssaw08 0603
Ssaw08 0603
Atsushi Tadokoro
2012 09-25-sig-ifat
2012 09-25-sig-ifat
Asahara Masayuki
ReNom 2016 ~ 2018振り返り
ReNom 2016 ~ 2018振り返り
ReNom User Group
More Related Content
What's hot
Spider Shibuya.pm #12
Spider Shibuya.pm #12
Kentoku
Web06
Web06
XMLProJ2014
20160611 pymc3-latent
20160611 pymc3-latent
Taku Yoshioka
普通に使える?BigQuery
普通に使える?BigQuery
Wasaburo Miyata
Ssaw08 0603
Ssaw08 0603
Atsushi Tadokoro
2012 09-25-sig-ifat
2012 09-25-sig-ifat
Asahara Masayuki
ReNom 2016 ~ 2018振り返り
ReNom 2016 ~ 2018振り返り
ReNom User Group
What's hot
(7)
Spider Shibuya.pm #12
Spider Shibuya.pm #12
Web06
Web06
20160611 pymc3-latent
20160611 pymc3-latent
普通に使える?BigQuery
普通に使える?BigQuery
Ssaw08 0603
Ssaw08 0603
2012 09-25-sig-ifat
2012 09-25-sig-ifat
ReNom 2016 ~ 2018振り返り
ReNom 2016 ~ 2018振り返り
Study session#2
1.
機械学習の理論 (回帰) part1 2018年10月
2.
学習の目的 昨今、多種多様なライブラリの提供により機械学習 は容易に利用することができます。 しかし、いつ・どのようなタイミングでどのライブラリを 使用するかは、各ライブラリの特徴を知る必要があ ります。
3.
学習の目的 今回はライブラリを知る前の段階として機械学習の 代表的なアルゴリズムの理論を少しだけ数学を用い て説明します。 実装段階においてライブラリを使用する際に、中で 何が行われているのかを少しでもイメージできるよう になることを目的とします。
4.
回帰の理論
5.
ク リ ッ ク 数 広告費 広告費が200円の時、クリック数はどのくらい?
6.
ク リ ッ ク 数 広告費
7.
今、あなたが予測したこと。 それが機械学習が行うこと。
8.
どうやって?
9.
ク リ ッ ク 数 広告費 y = ax+b
10.
y = ax+b を以下のように書き換える ※この関数がθを持っていて、xという変数の関数だと分かるため。
11.
(θ0 = 1,
θ1 = 2) 代入して考えてみる。 広告費(x) クリック数(y) θ0 = 1, θ1 = 2の時の予測結果 58 374 117 70 385 141 81 375 163 84 401 169 誤差が大きい
12.
ク リ ッ ク 数 広告費 誤差 fθ(x) = 1
+ 2x のグラフ
13.
ク リ ッ ク 数 広告費 誤差 fθ(x) = 1
+ 2x のグラフ この誤差を 無くしたい!
14.
誤差を無くすためには・・・ 誤差がどのくらいあるのかを知る必要がある。
15.
目的関数 学習データがn個あるとして 学習データごとの誤差の和を表すことができる。
16.
代入してみる。
17.
代入してみる。 誤差の総和
Download now