これは パターン認識と機械学習(PRML)読書会 #5 (4章 線形識別モデル) での発表用の資料「4.1.7 パーセプトロン・アルゴリズム」〜「おまけ(PA, CW)」です。 まとめメインで、細かい計算やサンプルは板書する予定です。 4.1.7 パーセプトロンアルゴリズム 参…

これは パターン認識と機械学習(PRML)読書会 #5 (4章 線形識別モデル) での発表用の資料「4.1.3 最小二乗」〜「4.1.6 多クラスにおけるフィッシャー判別」です。 まとめメインで、細かい計算やサンプルは板書する予定です。 【更新】読書会での指摘を反映。 …

これは パターン認識と機械学習(PRML)読書会 #5 (4章 線形識別モデル) での発表用の資料「4.1 識別関数」〜「4.1.2 多クラス」です。 まとめメインで、細かい説明/計算やサンプルは板書する予定。 【更新】読書会での指摘を反映。 PRML 4章 線形識別モデル …

前回長くなりすぎて力尽きた「線形回帰のエビデンス」の続き。って今回も むやみに長いんだけど。 パターン認識と機械学習(PRML)読書会 #4 で idojun さんと「バイアス項って要るの？」という話になり。 PRML 3.4〜3.5 のモデルエビデンス使えば評価できるか…

R でベイズ線形回帰の予測分布 にて、初 R しつつ、線形回帰の分布図とか書いてみてたら、idojun さんに「バイアス項は？」とつっこまれた。 うああ、忘れてた！ でもバイアス項ってどれくらい効いてくるの？ 無くてもそれっぽい分布得られちゃったんだけど…

参考：「機械学習とパターン認識」(PRML)のアンチョコ by herumi PRML 3章の数式の解説 パターン認識と機械学習(PRML)読書会 #4 に のこのこ行ってきた。おつかれさまでした＞各位 今回は「線形回帰モデル」。 実は、最初にざっと目を通したときに、この章ま…

読書会つながりで。 「パターン認識と機械学習」(PRML)読書会 に ただ今参加中。 「機械学習」の教科書の新定番？ 統計と解析と線形代数ガッッッツリ。 そこらへん研究していた(している)人たちも参加してくれていることもあって、熱くて厳しいツッコミの応…

訓練データを１個から２５個まで増やしていったときに、回帰関数と予測分布がどう変化していくかのアニメーション。 正解の も描いとけばよかったかなー。

一番は「やっぱりＲ覚えよう……」としみじみ実感したことかもしれない(苦笑)。 というわけで R 始めました。 同じことやっても仕方ないので PRML 3.3.2 のベイズ線形回帰による予測分布をやってみることに。 とはいえ、昨日インストールして、今日 R-Tips を…

こっちが本番。 「パターン認識と機械学習」(PRML) 上巻 p152〜p154 の分布図を書いちゃうところまで含めて Excel でやってみた。 細かい説明は後にして、実際に動いているところを。観測する訓練データが増えていくと、分布が徐々にとがっていく PRML p154 …

参考：[http //d.hatena.ne.jp/n_shuyo/20110722/prml:title=「機械学習とパターン認識」(PRML)のアンチョコ by herumi]:PRML を読むのに必要な数学を短くまとめたもの PRML タグの付いた記事の検索 この他の PRML 記事一覧 naoya_t さん主催の「パターン認…