【統計分析】機械学習・データマイニング24
レス数が1000を超えています。これ以上書き込みはできません。
>>916
厳密さの程度はバラツキがあるだろうけど
言葉によって表される概念はあって
その共通認識が無いと議論がうまくできないだろ 言葉の定義も抽象的なものもあるし具体的なものもあるんじゃね?
あと、当てはまる例や当てはまらない例を列挙する方法とか
学習は、観測したデータを既存の概念に分類する方法を獲得すること
認識は、学習した結果を使って観測データに対応する概念を答えること
具体的には
画像データからネコかネコ以外かに分類する方法を獲得して
新たな画像データを見てネコかネコ以外かを答える
画像データをみてネコかネコ以外かを95%以上の正答率で答えられないなら学習できていないとか
正答率は人間の結果とか過去のデータと比べてになるかな >>926
PFNくらい技術あってもあれだもんな。。
この業界は厳しいわ。 >>953
認識、学習というプロセスが具体的だと思い込んでるのはディープラーニングという手法が確立されてるからだろ
逆に言うと未知の手法に関する概念はすべて抽象的ということになってしまう
言葉の定義が曖昧だから実現は可能というのは頭の悪い技術者・研究者の単なる言い訳でしかない >>956
議論を円滑にするには言葉の共通認識が必要
言葉の解釈と定義はその共通認識を発信側と受信側で表現したもの
議論できた方が実現の可能性が高くなると思うけどな >>958
解釈→受信側
定義→発信側
順序が逆になってしまった 機械学習の用語に既存の用語を使うことで理解しやすくなっている
学習とか認識とかは以前からある用語で
類推して解釈しているはず
学習を、ぱにゅ
認識を、ぽにゃ
という用語にしても良かったんだろうけど
無駄なコストがかかるよな >>951
デカルトの「我思う、故に我在り」から全く進歩してないな
「私は神の存在を確実に感じている」という敬虔なクリスチャンが1人いれば神の存在が証明されたことになるのかな? ディープラーニングという手法が生まれなかったら今だに認識するという概念すらも具体的に定義することができなかったんだろうな
それで定義できないから議論もすすまず、その間に海外の研究者に追い抜かれると >>961
そう言う敬虔なクリスチャンと同じ考えの人が人類の100%になれば人類の認識として神は存在するんじゃね?
1人だったら神の存在可能性は1/60億人程度なんじゃね? >>962
認識という言葉はもっと前からあるんじゃね? 脳科学の方が意識の解明には近そうだ
これだけ科学が発展し多くの研究者がいる中で
ほぼ全ての人類が生まれながらにして意識があり
毎日睡眠という意識がなくなる行為をし
毎日起床という意識回復の儀式を行っているにもかかわらず
その謎が解明されていないのは何故なんだろうね >>962 認識なんて大昔からあるよ。 別にAI に限った話じゃない。
AI は、曖昧な認識をまとめて学習して認識率が上がることに特徴がある。 学習したデーターから推論により高い認識率となるのがAI の特徴となっている。 >>967 我思う故に我あり。 ただそれだけの事。 意識厨は中学生でしょ。
たまにいるのよ、自分のこと神レベルの天才だと
勘違いしてるバカ中学生が。
まじ信じてるから何言っても無駄なの。
過ぎ去るのを待つしかないの。
迷惑なキチガイ中学生。 >>974
論破されすぎてファビょってんな
パターン認識と機械学習はもう買った? 「論破」は思春期にありがちなへりくつ病にかかった男子中学生がよく使う言葉。 >>978
虫専用の判定アプリはGoogle Playにある
なんでもかんでも認識するのはGoogle Lens 多次元尺度構成法ってデータ間のユークリッド距離を見てユークリッド距離をほぼ再現できる別次元のデータ構成をつくりなおすってことで合ってる? >>983
合ってると思うけど
理論の詳しいことはわからない。
ただデータ分析ではウルトラむちゃくちゃ役に立つ!
図で結果を表示できるから
客が納得してくれる。
MDSはいいよ! >>983
「ほぼ再現できる」は言い過ぎで「できるだけ再現できる」程度だな
本来遠くにあるべきやつが近くに表示されてたりとかする
仕方ないことだけど >>987
ほぼ再現っていうから分かってないかと思うじゃん >>986
回答ありがとう
ちなみに多次元尺度構成法の数学的なアルゴリズムの概要がわかる人っていますか? >>989
たしか元の距離と変換後の距離の差の二乗和を最小化する線形変換を求めるとかいうのだったと思う >>192
統計学が大学一年レベルでこの業界って無茶すぎるしそもそも下のアルゴリズムがすでに大学3ー4年レベルの統計学じゃん >>991
MDSに関してはそんなレベルだと思うよ
線形変換がよくないっていうならisomap、tSNE、umapとかいろいろ手法があると思うけどパラメータのチューニングどうするんだっていうのは分からんです いわゆる最小二乗法っていうのは正規線形モデル(つまり誤差項が正規分布に従う仮定の線形モデル)でほかの確率分布を想定するために一般化線形モデル(正規分布以外の分布にも従うことを想定するモデル)があるっていうことでいいんでしょうか?だれかおしえてください
私の認識では正規分布に従う仮定ならばパラメータの推定は最小二乗法という簡単な行列計算で行うことができるけど他の分布の仮定であれば一般化線形モデルのもと最適化アルゴリズムを利用した最尤法を行わなければいけないという理解なんだけどあってるのかな? >>996
合ってるかどうかだけでも教えてくれないか? >>995
Rでlmとglmの引数の違いを見つめてれば何かが分かるはず >>995
あってるよ
データ解析のための統計モデリング入門が良書でオススメ
>>707が著者の本に沿ったプレゼン 1000!
線形モデルで最尤推定してもいいんだよ?
その場合、確率分布が正規分布だから
最小二乗と結果同じになるけど このスレッドは1000を超えました。
新しいスレッドを立ててください。
life time: 58日 14時間 47分 50秒 5ちゃんねるの運営はプレミアム会員の皆さまに支えられています。
運営にご協力お願いいたします。
───────────────────
《プレミアム会員の主な特典》
★ 5ちゃんねる専用ブラウザからの広告除去
★ 5ちゃんねるの過去ログを取得
★ 書き込み規制の緩和
───────────────────
会員登録には個人情報は一切必要ありません。
月300円から匿名でご購入いただけます。
▼ プレミアム会員登録はこちら ▼
https://premium.5ch.net/
▼ 浪人ログインはこちら ▼
https://login.5ch.net/login.php レス数が1000を超えています。これ以上書き込みはできません。