HELLO CYBERNETICS

深層学習、機械学習、強化学習、信号処理、制御工学、量子計算などをテーマに扱っていきます

人工知能-機械学習

機械学習の分野別概要【ディープ〜ベイズ】

【機械学習ステップアップ】ベイズモデルの考え方

【機械学習ステップアップ】確率モデルの考え方

初学者が機械学習の勉強を進めるためには必ず手を動かす

機械学習の予測モデルを線形モデル+確率モデルで考える概要

機械学習で予測モデルを作る際の概要のオレオレまとめ

【書評】ベイズ推論による機械学習入門

いろいろな主成分分析で機械学習の考え方を学ぶ

【ベイズ推定って結局何なの?Part2】

統計物理学と機械学習の関係

機械学習・深層学習Q&A

もうこれだけは絶対に把握しておいてください! ってものだけ。

【ベイズ推定って結局何なの?】

【多様体学習】LLEとちょっとT-SNE

【教師なし学習・クラスタリング】K-means

機械学習で抑えておくべき損失関数(分類編)

機械学習で抑えておくべき損失関数(回帰編)

識別関数、識別モデル、生成モデルの違いを解説

SVM、ニューラルネットなどに共通する分類問題における考え方

抑えておきたい評価指標「正解率」「精度」「再現率」

誤差逆伝搬法(バックプロパゲーション)とは

機械学習の重要なアプローチ:ベイズ理論

サポートベクターマシンを手計算して理解する

バイアス-バリアンス分解:機械学習の性能評価

線形回帰モデルと最小二乗法

時系列データ:隠れマルコフモデルの基礎と、リカレントネットの台等

はじめに 隠れマルコフモデル 確率分布として考える 隠れていないマルコフモデル 隠れマルコフモデル 隠れマルコフモデルの学習 隠れマルコフモデルでの予測 隠れマルコフモデルで何ができるか リカレントネット リカレントネットの構造 時間方向への展開 深…

機械学習手法を理解する手順

はじめに プログラムへの理解度 機械学習への理解度 何が重要か アルゴリズムとしての理解 アルゴリズムとプログラム プログラムの理解 アルゴリズムとしての理解 機械学習手法を理解する方法 機械学習を抑えるためのポイント 更新式を理解すること 判別も回…

クラスタリングの基本

はじめに クラスタリングと教師なし学習 教師なし学習 クラスタリング クラスタリングの手法 凝集型クラスタリング 重心法 単連結法 完全連結法 まとめ k-means 発展的話題

評価関数で見る機械学習手法

最近、学習は最適化問題に帰着されるということを自分自身強く意識するようになりました。 そこで有名なSVMや対数線形モデルなどの評価関数を見て、それぞれがどのような狙いを持っているのかを概観してみようと思います。 Support Vector Machine 評価関数 …

機械学習を発展させる3つの立場

機械学習をしようという場合には大きく分けて3つの立場があるように思います。 1.機械学習手法の狙いを提案 2.機械学習手法に対する解法を提案 3.機械学習を使ってデータを解析 機械学習は最適化問題を解くということである どちらのアプローチでも構…

最小二乗法を例に機械学習を見る

最小二乗法 機械学習的な表現 最小二乗法を機械学習的に書いてみましょう。 モデルの正しさは? 予測性能の基本的な評価方法 機械学習の発展 モデルの表現、確率モデルを用いる方法 モデルを複雑にする方法 ニューラルネット