Chapter 12, Algorithm SummaryProgramming Collective Intelligenceterasaka.k2011-12-8
•
••••••••••
•
••••••
••••••••••
•••••••••••
•
•••••
••
•••
••••• 𝐼 𝐺 = 1 − 𝑝ω 𝑖𝑗𝑖≠𝑗
••••• 𝐼 𝐺 = 1 − 𝑝ω 𝑖𝑗𝑖≠𝑗••
••••• 𝐼 𝐺 = 1 − 𝑝ω 𝑖𝑗𝑖≠𝑗••− 𝑝 𝑥𝑖 log2 𝑝(𝑥𝑖)
••••• 𝐼 𝐺 = 1 − 𝑝ω 𝑖𝑗𝑖≠𝑗••− 𝑝 𝑥𝑖 log2 𝑝(𝑥𝑖)
••••• 𝐼 𝐺 = 1 − 𝑝ω 𝑖𝑗𝑖≠𝑗••• Information gain•• OR− 𝑝 𝑥𝑖 log2 𝑝(𝑥𝑖)
••
••••••••
•
••
•••
•••
••••
•
•••
•••••
••••••••••
•
••
••••
••••
•𝒂 ∙ 𝒃 = 𝒂𝒃 𝑇= 𝑎𝑖 𝑏𝑖
•𝒂 ∙ 𝒃 = 𝒂𝒃 𝑇= 𝑎𝑖 𝑏𝑖
•𝒂 ∙ 𝒃 = 𝒂𝒃 𝑇= 𝑎𝑖 𝑏𝑖
•𝒂 ∙ 𝒃 = 𝒂𝒃 𝑇= 𝑎𝑖 𝑏𝑖
•𝒂 ∙ 𝒃 = 𝒂𝒃 𝑇= 𝑎𝑖 𝑏𝑖
•
••••
•
•••
••••Gaussian function𝑤𝑒𝑖𝑔ℎ𝑡 = 𝑒−dist22𝜎2= 𝑣𝑎𝑙𝑢𝑒 𝑥𝑖 ∗ 𝑤𝑒𝑖𝑔ℎ𝑡 𝑥𝑖
••
••••••k
•••
•••••••••
•
•
••
•••
•••• 𝑝𝑖 − 𝑞𝑖2•𝑋𝑌−𝑋 𝑌𝑁𝑋−( 𝑋)𝑁𝑌2−( 𝑌)𝑁•
•••• 𝑝𝑖 − 𝑞𝑖2•𝑋𝑌−𝑋 𝑌𝑁𝑋−( 𝑋)𝑁𝑌2−( 𝑌)𝑁•
•••• 𝑝𝑖 − 𝑞𝑖2•𝑋𝑌−𝑋 𝑌𝑁𝑋−( 𝑋)𝑁𝑌2−( 𝑌)𝑁•AB+C ABC+DE
•
••
•••
•••• 𝑂(𝑛)•• 𝑂 𝑛2
•••
••••
••••
•
•••
••••
•••••
••••••𝑥 𝑥 𝑥𝑥 𝑥 𝑥𝑥 𝑥 𝑥𝑥 𝑥 𝑥𝑥 𝑥 𝑥𝑥 𝑥 𝑥 𝑥 𝑥𝑥 𝑥 𝑥 𝑥 𝑥𝑥 𝑥 𝑥 𝑥 𝑥
••••••𝑥 𝑥 𝑥𝑥 𝑥 𝑥𝑥 𝑥 𝑥𝑥 𝑥 𝑥𝑥 𝑥 𝑥𝑥 𝑥 𝑥 𝑥 𝑥𝑥 𝑥 𝑥 𝑥 𝑥𝑥 𝑥 𝑥 𝑥 𝑥
•
••
•••
••••
•••••
••••••
••••••
•
••
••••
•••••
•••••
••
••••
Programming Collective Intelligenceterasaka.k
第12回「集合知プログラミング」真面目に勉強する会 @外苑前
第12回「集合知プログラミング」真面目に勉強する会 @外苑前
第12回「集合知プログラミング」真面目に勉強する会 @外苑前
第12回「集合知プログラミング」真面目に勉強する会 @外苑前
第12回「集合知プログラミング」真面目に勉強する会 @外苑前
第12回「集合知プログラミング」真面目に勉強する会 @外苑前
第12回「集合知プログラミング」真面目に勉強する会 @外苑前
Upcoming SlideShare
Loading in …5
×

第12回「集合知プログラミング」真面目に勉強する会 @外苑前

371 views

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
371
On SlideShare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
0
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

第12回「集合知プログラミング」真面目に勉強する会 @外苑前

  1. 1. Chapter 12, Algorithm SummaryProgramming Collective Intelligenceterasaka.k2011-12-8
  2. 2.
  3. 3. ••••••••••
  4. 4.
  5. 5. ••••••
  6. 6. ••••••••••
  7. 7. •••••••••••
  8. 8.
  9. 9. •••••
  10. 10. ••
  11. 11. •••
  12. 12. ••••• 𝐼 𝐺 = 1 − 𝑝ω 𝑖𝑗𝑖≠𝑗
  13. 13. ••••• 𝐼 𝐺 = 1 − 𝑝ω 𝑖𝑗𝑖≠𝑗••
  14. 14. ••••• 𝐼 𝐺 = 1 − 𝑝ω 𝑖𝑗𝑖≠𝑗••− 𝑝 𝑥𝑖 log2 𝑝(𝑥𝑖)
  15. 15. ••••• 𝐼 𝐺 = 1 − 𝑝ω 𝑖𝑗𝑖≠𝑗••− 𝑝 𝑥𝑖 log2 𝑝(𝑥𝑖)
  16. 16. ••••• 𝐼 𝐺 = 1 − 𝑝ω 𝑖𝑗𝑖≠𝑗••• Information gain•• OR− 𝑝 𝑥𝑖 log2 𝑝(𝑥𝑖)
  17. 17. ••
  18. 18. ••••••••
  19. 19.
  20. 20. ••
  21. 21. •••
  22. 22. •••
  23. 23. ••••
  24. 24.
  25. 25. •••
  26. 26. •••••
  27. 27. ••••••••••
  28. 28.
  29. 29. ••
  30. 30. ••••
  31. 31. ••••
  32. 32. •𝒂 ∙ 𝒃 = 𝒂𝒃 𝑇= 𝑎𝑖 𝑏𝑖
  33. 33. •𝒂 ∙ 𝒃 = 𝒂𝒃 𝑇= 𝑎𝑖 𝑏𝑖
  34. 34. •𝒂 ∙ 𝒃 = 𝒂𝒃 𝑇= 𝑎𝑖 𝑏𝑖
  35. 35. •𝒂 ∙ 𝒃 = 𝒂𝒃 𝑇= 𝑎𝑖 𝑏𝑖
  36. 36. •𝒂 ∙ 𝒃 = 𝒂𝒃 𝑇= 𝑎𝑖 𝑏𝑖
  37. 37.
  38. 38. ••••
  39. 39.
  40. 40. •••
  41. 41. ••••Gaussian function𝑤𝑒𝑖𝑔ℎ𝑡 = 𝑒−dist22𝜎2= 𝑣𝑎𝑙𝑢𝑒 𝑥𝑖 ∗ 𝑤𝑒𝑖𝑔ℎ𝑡 𝑥𝑖
  42. 42. ••
  43. 43. ••••••k
  44. 44. •••
  45. 45. •••••••••
  46. 46.
  47. 47.
  48. 48. ••
  49. 49. •••
  50. 50. •••• 𝑝𝑖 − 𝑞𝑖2•𝑋𝑌−𝑋 𝑌𝑁𝑋−( 𝑋)𝑁𝑌2−( 𝑌)𝑁•
  51. 51. •••• 𝑝𝑖 − 𝑞𝑖2•𝑋𝑌−𝑋 𝑌𝑁𝑋−( 𝑋)𝑁𝑌2−( 𝑌)𝑁•
  52. 52. •••• 𝑝𝑖 − 𝑞𝑖2•𝑋𝑌−𝑋 𝑌𝑁𝑋−( 𝑋)𝑁𝑌2−( 𝑌)𝑁•AB+C ABC+DE
  53. 53.
  54. 54. ••
  55. 55. •••
  56. 56. •••• 𝑂(𝑛)•• 𝑂 𝑛2
  57. 57. •••
  58. 58. ••••
  59. 59. ••••
  60. 60.
  61. 61. •••
  62. 62. ••••
  63. 63. •••••
  64. 64. ••••••𝑥 𝑥 𝑥𝑥 𝑥 𝑥𝑥 𝑥 𝑥𝑥 𝑥 𝑥𝑥 𝑥 𝑥𝑥 𝑥 𝑥 𝑥 𝑥𝑥 𝑥 𝑥 𝑥 𝑥𝑥 𝑥 𝑥 𝑥 𝑥
  65. 65. ••••••𝑥 𝑥 𝑥𝑥 𝑥 𝑥𝑥 𝑥 𝑥𝑥 𝑥 𝑥𝑥 𝑥 𝑥𝑥 𝑥 𝑥 𝑥 𝑥𝑥 𝑥 𝑥 𝑥 𝑥𝑥 𝑥 𝑥 𝑥 𝑥
  66. 66.
  67. 67. ••
  68. 68. •••
  69. 69. ••••
  70. 70. •••••
  71. 71. ••••••
  72. 72. ••••••
  73. 73.
  74. 74. ••
  75. 75. ••••
  76. 76. •••••
  77. 77. •••••
  78. 78. ••
  79. 79. ••••
  80. 80. Programming Collective Intelligenceterasaka.k

×