stMind

about Arsenal, Arsene Wenger, Tech, Computer vision and Machine learning

PRML

UCI Machine Learning Repositoryを使い方を解読する

UCI Machine Learning Repository: Data Setsぱっと見ではどこをどう見ていいのかよくわからないが、機械学習で使えるデータセットが揃っているサイト。ちょっとだけ使い方がわかったのでメモ。 Browse Throughで絞込み 左側に並んでいるカテゴリの項目を指…

ビショップ本 分散・共分散

分散(variance) の分散は、との期待値の差の二乗の期待値(ややこしいな)。平均値からの値のばらつきがどれくらいかがわかる。この式を展開すると、となり、との期待値を用いて表す事が出来る。 共分散(covariance) 2つの確率変数との共分散は、との積…

ビショップ本 確率密度・期待値

再開 しばらく間があいてしまったけれど、ビショップ本の学習をゆるりと再開したいと思う。 先は長いが、1章は基礎的な内容なので、書籍の内容を読んで理解できたところを、極力自分なりの言葉で まとめていこうと思う。 1.2.1 確率密度 実数値をとる連続変…

ビショップ本 確率論 p11-17

確率論 パターン認識の分野で鍵となる概念は不確実性で、確率論とは不確実性に関する定量化と操作に関して一貫性を与え、パターン認識の中心を担う。 確率の加法定理と乗法定理の導出 確率の加法定理と乗法定理を導く為に、二つの確率変数XとYからなる、一般…

 ビショップ本 (上) p5-p11

前回までのおさらい 誤差関数を最小化することにより、多項式の係数の値を求めた。 残りの問題として、多項式の次数Mを求める問題が残っているので今回はそれについて。 モデル選択、モデル比較 次数Mを求める問題は、モデル選択とかモデル比較などと呼ばれ…

ビショップ本(上) 〜多項式曲線フィッティング〜

はじめに ここでは、の求め方を具体例を通して理解する。 問題 単純な回帰問題を考える。つまり、実数値の入力変数xを観測し、実数値の目標変数tを予測したいとする。このとき、関数により人工的に生成したデータにより、モデルを求める。(人工データを使…

PRML本(上) 〜序論〜

序論の最初 ここでは、用語とその意味をちゃんとつかんでおく事が重要かと。 PRML本で説明されている0から9までの手書き数字の認識の例をベースに、Wikipediaの情報で補足しながらまとめてみる。 (PRML本の出現順序とは異なります) 手書き数字の認識の例 …