【統計分析】機械学習・データマイニング24

[1 デフォルトの名無しさん (ﾜｯﾁｮｲ 8b01-ZQWL) 2019/05/01(水) 10:39:45.57 ID:Wg+J+pQH0]

機械学習とデータマイニングについて語れ若人

■関連サイト
機械学習の「朱鷺の杜Wiki」
http://ibisforest.org/
Machine Learningを用いた論文一覧2018
https://shiropen.com/seamless/machine-learning/2018
2017年のディープラーニング論文100選
https://qiita.com/sakaiakira/items/f225b670bea6d851c7ea
DeepLearning研究 2016年のまとめ
http://qiita.com/eve_yk/items/f4b274da7042cba1ba76

■前スレ
【統計分析】機械学習・データマイニング23
https://mevius.5ch.net/test/read.cgi/tech/1551352040/

---

VIPQ2_EXTDAT: default:vvvvvv:1000:512:----: EXT was configured

[979 デフォルトの名無しさん (ｱｳｱｳｸｰ MMe7-Dq7D) 2019/06/27(木) 11:52:30.56 ID:0y1J8mH9M]

ある

[980 デフォルトの名無しさん (ﾜｯﾁｮｲ cfda-Eaty) 2019/06/27(木) 13:44:19.46 ID:CuVP091Q0]

昆虫判定機ですね(androidアプリ)

[981 デフォルトの名無しさん (ﾜｯﾁｮｲ e3e6-3te8) 2019/06/27(木) 14:34:39.70 ID:zW7TuaF20]

>>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

[982 デフォルトの名無しさん (ﾜｯﾁｮｲ 6fda-Eaty) 2019/06/27(木) 14:53:39.12 ID:ZZ4yQS+50]

>>981
サンクス

[983 デフォルトの名無しさん (ﾜｯﾁｮｲ 0301-SgbD) 2019/06/28(金) 16:25:53.30 ID:BWz5SbEt0]

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？

[984 デフォルトの名無しさん (ﾜｯﾁｮｲ 537c-a57L) 2019/06/28(金) 16:30:09.80 ID:L7hsi0hP0]

まるちんこ

[985 デフォルトの名無しさん (ﾄﾝﾓｰ MM07-L5e7) 2019/06/28(金) 18:49:48.28 ID:HvoUsiIUM]

>>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！

[986 デフォルトの名無しさん (ﾜｯﾁｮｲ cf1f-bYGp) 2019/06/28(金) 19:27:51.30 ID:3mLnUJ2u0]

>>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 デフォルトの名無しさん (ﾄﾝﾓｰ MM07-L5e7) 2019/06/28(金) 19:45:42.33 ID:HvoUsiIUM]

次元縮約してんだから
んなこたあ馬鹿でもわかる

[988 デフォルトの名無しさん (ﾜｯﾁｮｲ cf1f-bYGp) 2019/06/28(金) 19:51:50.53 ID:3mLnUJ2u0]

>>987
ほぼ再現っていうから分かってないかと思うじゃん

[989 デフォルトの名無しさん (ﾜｯﾁｮｲ 0301-SgbD) 2019/06/28(金) 20:12:35.62 ID:BWz5SbEt0]

>>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？

[990 デフォルトの名無しさん (ﾜｯﾁｮｲ cf1f-bYGp) 2019/06/28(金) 20:26:42.97 ID:3mLnUJ2u0]

>>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

[991 デフォルトの名無しさん (ﾜｯﾁｮｲ 0301-SgbD) 2019/06/28(金) 21:56:21.11 ID:BWz5SbEt0]

>>990
そんな簡単な話なんですか？

[992 デフォルトの名無しさん (ﾜｯﾁｮｲ 0301-SgbD) 2019/06/28(金) 22:00:37.83 ID:BWz5SbEt0]

>>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

[993 デフォルトの名無しさん (ﾜｯﾁｮｲ cf1f-bYGp) 2019/06/28(金) 22:09:57.11 ID:3mLnUJ2u0]

>>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

[994 デフォルトの名無しさん (ﾜｯﾁｮｲ 0301-SgbD) 2019/06/28(金) 22:18:41.44 ID:BWz5SbEt0]

>>993
ありがとう

[995 デフォルトの名無しさん (ﾜｯﾁｮｲ 0301-SgbD) 2019/06/28(金) 22:19:57.41 ID:BWz5SbEt0]

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 デフォルトの名無しさん (ﾄﾝﾓｰ MM07-L5e7) 2019/06/28(金) 23:40:15.64 ID:HvoUsiIUM]

>>995
入門書ぐらい読んでから質問しなよ？

[997 デフォルトの名無しさん (ﾜｯﾁｮｲ 0301-SgbD) 2019/06/29(土) 00:25:52.88 ID:pC5pXrtS0]

>>996
合ってるかどうかだけでも教えてくれないか？

[998 デフォルトの名無しさん (ﾜｯﾁｮｲ 433c-9deW) 2019/06/29(土) 00:57:33.82 ID:sli9M1dN0]

>>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

[999 デフォルトの名無しさん (ﾜｯﾁｮｲ ff5c-IAUG) 2019/06/29(土) 01:19:10.70 ID:3pgMwDvE0]

>>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 デフォルトの名無しさん (ﾜｯﾁｮｲ 433c-9deW) 2019/06/29(土) 01:27:35.71 ID:sli9M1dN0]

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