狠狠撸

狠狠撸Share a Scribd company logo
データ解析 第3回
2018年4月26日 八谷 大岳
1
講義内容
8
数学の復習
机械学习の基础
内容:最適化手法の復習
9
? 連立方程式の解法
? 行列演算を用いた方法
? 制約なしの最適化問題の解法
? 微分を用いた方法
? 偏微分を用いた方法
? 行列、ベクトルの微分
? 制約ありの最適化問題の解法
? ラグランジュ未定乗数法
行列演算による連立方程式の解法
10
? 2元1次連立方程式の行列表現
? 行列式|??| ≠ 0なら、逆行列?????
が存在
? 連立方程式の解を解析的に一意(確定的)に求められる
?
???? + ???? = ??
???? + ???? = ??
?? ??
?? ??
??
?? =
??
??
???? = ??
?????
???? = ?????
??
?? = ?????
??
正則行列?? |??| ≠ 0
2次正方行列の逆行列
11
? 行列式が0の場合:逆行列は無限に発散するため存在しない
? 逆行列の計算例:
? 逆行列が正しいか否かの確認
?? ??
?? ??
?1
=
1
?????????
?? ???
??? ??
行列式と等しい
3 2
5 1
?1
= ?
1
7
1 ?2
?5 3
?
1
7
1 ?2
?5 3
3 2
5 1
= ?
1
7
?7 0
0 ?7
=
1 0
0 1
?????1 = ??
N元1次連立方程式に一般化
12
? N x Nの行列で表現
? 2元と同様に逆行列が非ゼロであれば、解析的に解ける
??11 ??1 + ??12 ??2 + ? + ??1?? ???? = ??1
??21 ??1 + ??22 ??2 + ? + ??2?? ???? = ??2
?
????1 ??1 + ????2 ??2 + ? + ?????? ???? = ????
??11
??21
?
?????
??11
??21
?
?????
?
?
?
?
??1??
??2??
?
??????
??
?? =
??
??
???? = ??
?? = ?????
??
演習1
13
? 以下の2元1次連立方程式の解が一意に求められるか確認
し、解を求めなさい。
? タイトル「演習レポート」、日付、学生番号、氏名を用紙の
一番上に記載
?
2?? ? 3?? = 5
4?? + ?? = ?2
様々な連立方程式の行列表現
15
? 1次形式(linear form)の行列表現
? 双1次形式(bilinear form)の行列表現
? 2次形式(quadratic form)の行列表現
??11 ??12
??21 ??22
??1
??2
=
??1
??2
???? = ??
????
???? = ??
????
???? = ????1 ??2
??11 ??12
??21 ??22
??1
??2
=
??1
??2
??1 ??2
??11 ??12
??21 ??22
??1
??2
=
??1
??2
内容:最適化手法の復習
16
? 連立方程式の解法
? 行列演算を用いた方法
? 制約なしの最適化問題の解法
? 微分を用いた方法
? 偏微分を用いた方法
? 行列、ベクトルの微分
? 制約ありの最適化問題の解法
? ラグランジュ未定乗数法
微分の定義
17
? 微分の図を用いた解釈
? 微分の例:
????(??)
????
≡ ??′
?? = lim
???→0
?? ?? + ??? ? ??(??)
???
??(??)
?? ?? + ???
??(?? + ???)
点Aと点Bを通る直線の傾き:
?? ??+??? ???(??)
??+??????
=
?? ??+??? ???(??)
???
???を0に近づけると、点??での接線の傾きに近づく
??
??
微分??′ ?? は、関数?? ?? の点??での接線の傾き
?? ?? = ??2 ????
????
= lim
???→0
??2+2?????+???2???2
???
= lim
???→0
2?? + ??? = 2??
微分を用いた最適化
18
? 関数の極値(極大、極小)の必要十分条件
? 極大: ??′
?? が正から負に反転
? 極小: ??′
?? が負から正に反転
??′ ?? = 0
?? ?? が極値 必要十分条件
??の前後で??? ?? の符号が反転
極大
極小
最大
最小
??′ ?? = 0だが、 ??′ ?? が
正から正で反転していない
微分が0だが
極値ではない
演習2
19
? 極大値と極小値を求めなさい。
? タイトル「演習レポート」、日付、学生番号、氏名を用紙の
一番上に記載
?? ?? = ??3
? 12??2
+ 36?? + 8
内容:最適化手法の復習
21
? 連立方程式の解法
? 行列演算を用いた方法
? 制約なしの最適化問題の解法
? 微分を用いた方法
? 偏微分を用いた方法
? 行列、ベクトルの微分
? 制約ありの最適化問題の解法
? ラグランジュ未定乗数法
微分の定義
22
? 微分の図を用いた解釈
? 微分の例:
????(??)
????
≡ ??′
?? = lim
???→0
?? ?? + ??? ? ??(??)
???
??(??)
?? ?? + ???
??(?? + ???)
点Aと点Bを通る直線の傾き:
?? ??+??? ???(??)
??+??????
=
?? ??+??? ???(??)
???
???を0に近づけると、点??での接線の傾きに近づく
??
??
微分??′ ?? は、関数?? ?? の点??での接線の傾き
?? ?? = ??2 ????
????
= lim
???→0
??2+2?????+???2???2
???
= lim
???→0
2?? + ??? = 2??
偏微分の定義
23
? 偏微分の図を用いた解釈
? 偏微分の例:
????(??1, ??2)
????1
≡ lim
???1→0
?? ??1 + ???1, ??2 ? ??(??1, ??2)
???1
?? ??1, ??2 = ? ??1 ? ??2
2
= ???1
2
+ 2??1 ??2 ? ??2
2 ??1
??2
??: ??(??, ??)
??
??
????(??, ??2)
????2
??2軸に平行な断面の接線の傾き
??1軸方向は??1 = aで固定
????(??1, ??)
????1
??1軸に平行な断面の接線の傾き
??2軸方向は??2 = bで固定
????(??1,2)
????1
= ?2??1 + 2 ??2 = ?2??1 + 4
??1, ??2 = (3, 2)での偏微分
????(3, ??2)
????2
= 2??1 ? 2 ??2 = ?2??2 + 6
??(??1, ??2)
演習3
24
? ?? ??, ?? の最小値と、最小解 ???, ??? を求めなさい。
? タイトル「演習レポート」、日付、学生番号、氏名を用紙の
一番上に記載
?? ??, ?? = ??2
+ ??2
+ 2?? + 4?? + 8
内容:最適化手法の復習
26
? 連立方程式の解法
? 行列演算を用いた方法
? 制約なしの最適化問題の解法
? 微分を用いた方法
? 偏微分を用いた方法
? 行列、ベクトルの微分
? 制約ありの最適化問題の解法
? ラグランジュ未定乗数法
ベクトルに関する微分
27
? 多変数の関数(ベクトル関数):
? 多変数関数を、ベクトル??に関して微分:
? ベクトルの各要素に関する??(??)の偏微分を、各要素に持つベクトル
?? ??1, ??2, ??2 = ??(??)
?? =
??1
??2
??3
???? ?? ?? =
????(??)
????
=
????(??)
????1
????(??)
????2
????(??)
????3
??:ナブラ
行列?ベクトルの微分
28
? ?? ?? = ???? ??の偏微分
? ?? ?? = ????の偏微分
? ?? ?? = ????
????の偏微分
? 詳細は、The Matrix Cookbookを参照
?? =
??1
??2
??3
????(??)
????
=
?????? ??
????
= ??
????(??)
????
=
??????
????
= ?? ?? =
??11
??21
??31
??12
??22
??32
??13
??23
??33
?? =
??1
??2
??3
????(??)
????
=
?????? ????
????
= (?? + ????
)??
??が対象の場合:
?????? ????
????
= 2????
内容:最適化手法の復習
29
? 連立方程式の解法
? 行列演算を用いた方法
? 制約なしの最適化問題の解法
? 微分を用いた方法
? 偏微分を用いた方法
? 行列、ベクトルの微分
? 制約ありの最適化問題の解法
? ラグランジュ未定乗数法
制約あり最適化問題
30
? 制約あり最適化問題の基本形
? 最適化問題の例
目的関数(Objective function)
min
??
??(??)
制約条件(Constraints)
s.t. ???? ?? ???
subject toの略で制約条件
を意味する
全ての?? = 1,2, … , ??
を意味する
???? ??
最小値
min
??
(?? ? 2)2
s.t. ?? ≤ ?? ≤ ??
制約の外
? 主問題をラグランジュ関数に変換し解く
ラグランジュ未定乗数法
31
【制約ありの主問題】
min
??
??(??)
s.t. ???? ?? ≥ 0 ???
【ラグランジュ関数】
?(??, ??)= ?? ?? ? ?
??
???? ???? ??
???? ≥ 0 :ラグランジュ未定乗数
目的関数と制約をまとめて
ラグランジュ関数を作成
KKT条件を満たす最適な???
と???
を求める
【KKT(Karush-Kuhn-Tucker)条件】
①
②
③
④
:停留点
:主問題の制約式
:双対問題の制約式
:相補性
???? ???
? ? ??????
?
?? ???
= ??
???? ??? ≥ 0
????
?
≥ 0
????
?
???? ???
= ??
???
, ???
???
ラグランジュ関数の解釈
32
? なぜ、?(??, ??)= ?? ?? ? ???? ?? の形なのか?
?? ??
最小値
等高線を用いて
2次元で表現
?????? ?? ???
制約:?? ?? ≥0
制約境界:?? ?? =0
????? ?? ???
停留点
停留点???にて、制約境界に接する関数?? ??? の等高線と、微分????? ?? ??? は直交
制約?? ?? は、境界に直交する方向に最急上昇するので、微分??? ???? ?? ??? は境界に直交
停留点では次が成り立つ
???
?????(???, ???)=???? ?? ??? ? ???? ??? ?? ??? = ??
?????(???, ???)=???? ?? ??? ? ???? ??? ?? ??? = ??
?? ?? ≥0????? ?? ???
?? ??
??? ???? ?? ???
制約を満たす最小値:最小値から最短距離の制約境界上の点「停留点???
」
ラグランジュ未定乗数法の例
33
? ラグランジュ関数を求める
? 偏微分して0と置く
min
??,??,??
??2 + ??2 + ??2
s.t. ?? + ?? + ?? = 1
?(??, ??, ??, ??)=??2 + ??2 + ??2 ? ??(?? + ?? + ?? ? 1) ?? ≥ 0
???
????
= 2?? ? ?? = 0
???
????
= 2?? ? ?? = 0
主問題:
???
????
= 2?? ? ?? = 0
??? ? ?? ? ?? + 1= ?
3
2
?? + 1 = 0
???
????
= ??? ? ?? ? ?? + 1=0
?? = ?? = ?? =
1
2
?? ∴ ??? =
2
3
∴ ???
= ???
= ???
=
1
3
演習4
34
? 最適解???と???を求めなさい。
? タイトル「演習レポート」、日付、学生番号、氏名を用紙の
一番上に記載
min
??,??
??2
+ ??2
s.t. ?? + ?? = 1
主問題:
課題
36
1. ??2 + ??2 = 1の制約条件のもとで、 ???? + ????の最大値を求めなさい。
2. ??2
+ ??2
= 2と???? = 1の制約条件のもとで、?? + ??の最大値と
最小値を求めなさい。
3. ???? ?? = 1の制約条件のもとで、2次形式???? ????の最大化問題が、
以下の制約付きの固有値問題になることを証明しなさい。
???? = ????
s.t. ???? ?? = 1
レポートの提出方法
37
? 演習レポート:
? タイトル「演習レポート」、日付?学生番号?氏名を用紙の一番上に記載
? 課題レポート :
? タイトル「課題レポート」、出題日?学生番号?氏名を用紙の一番上に記載
? 2ページ以上になる場合は、ホッチキス留め
? A4サイズの用紙を使用
? 一度に複数の課題レポートを提出する場合出題日ごとに別々に綴じる
Ad

Recommended

因果探索: 観察データから 因果仮説を探索する
因果探索: 観察データから 因果仮説を探索する
Shiga University, RIKEN
?
ベイズ推论とシミュレーション法の基础
ベイズ推论とシミュレーション法の基础
Tomoshige Nakamura
?
人工知能2018 6 强化学习の基础
人工知能2018 6 强化学习の基础
Hirotaka Hachiya
?
人工知能2018 强化学习の応用
人工知能2018 强化学习の応用
Hirotaka Hachiya
?
1次式とノルムで构成された最适化问题とその双対问题
1次式とノルムで构成された最适化问题とその双対问题
京都大学大学院情报学研究科数理工学専攻
?
Sliced Wasserstein距離と生成モデル
Sliced Wasserstein距離と生成モデル
ohken
?
[DL輪読会]Deep Learning 第15章 表現学習
[DL輪読会]Deep Learning 第15章 表現学習
Deep Learning JP
?
変分推论法(変分ベイズ法)(笔搁惭尝第10章)
変分推论法(変分ベイズ法)(笔搁惭尝第10章)
Takao Yamanaka
?
SMO徹底入門 - SVMをちゃんと実装する
SMO徹底入門 - SVMをちゃんと実装する
sleepy_yoshi
?
Sparse estimation tutorial 2014
Sparse estimation tutorial 2014
Taiji Suzuki
?
科学と机械学习のあいだ:変量の设计?変换?选択?交互作用?线形性
科学と机械学习のあいだ:変量の设计?変换?选択?交互作用?线形性
Ichigaku Takigawa
?
因果探索: 基本から最近の発展までを概説
因果探索: 基本から最近の発展までを概説
Shiga University, RIKEN
?
ベイズ统计入门
ベイズ统计入门
Miyoshi Yuya
?
笔搁惭尝第6章「カーネル法」
笔搁惭尝第6章「カーネル法」
Keisuke Sugawara
?
状態空間モデルの考え方?使い方 - TokyoR #38
状態空間モデルの考え方?使い方 - TokyoR #38
horihorio
?
非ガウス性を利用した 因果構造探索
非ガウス性を利用した 因果構造探索
Shiga University, RIKEN
?
【DL輪読会】Scaling Laws for Neural Language Models
【DL輪読会】Scaling Laws for Neural Language Models
Deep Learning JP
?
「统计的学习理论」第1章
「统计的学习理论」第1章
Kota Matsui
?
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
Shiga University, RIKEN
?
データ解析4 确率の復习
データ解析4 确率の復习
Hirotaka Hachiya
?
統計的因果推論への招待 -因果構造探索を中心に-
統計的因果推論への招待 -因果構造探索を中心に-
Shiga University, RIKEN
?
15分て?わかる(范囲の)ヘ?イス?统计学
15分て?わかる(范囲の)ヘ?イス?统计学
Ken'ichi Matsui
?
多様な强化学习の概念と课题认识
多様な强化学习の概念と课题认识
佑 甲野
?
(DL hacks輪読) Deep Kernel Learning
(DL hacks輪読) Deep Kernel Learning
Masahiro Suzuki
?
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Yamato OKAMOTO
?
混合モデルと贰惭アルゴリズム(笔搁惭尝第9章)
混合モデルと贰惭アルゴリズム(笔搁惭尝第9章)
Takao Yamanaka
?
人生を豊かにする线形代数学
人生を豊かにする线形代数学
Fumiya Watanabe
?
Jokyonokai130531
Jokyonokai130531
nwpmq516
?

More Related Content

What's hot (20)

SMO徹底入門 - SVMをちゃんと実装する
SMO徹底入門 - SVMをちゃんと実装する
sleepy_yoshi
?
Sparse estimation tutorial 2014
Sparse estimation tutorial 2014
Taiji Suzuki
?
科学と机械学习のあいだ:変量の设计?変换?选択?交互作用?线形性
科学と机械学习のあいだ:変量の设计?変换?选択?交互作用?线形性
Ichigaku Takigawa
?
因果探索: 基本から最近の発展までを概説
因果探索: 基本から最近の発展までを概説
Shiga University, RIKEN
?
ベイズ统计入门
ベイズ统计入门
Miyoshi Yuya
?
笔搁惭尝第6章「カーネル法」
笔搁惭尝第6章「カーネル法」
Keisuke Sugawara
?
状態空間モデルの考え方?使い方 - TokyoR #38
状態空間モデルの考え方?使い方 - TokyoR #38
horihorio
?
非ガウス性を利用した 因果構造探索
非ガウス性を利用した 因果構造探索
Shiga University, RIKEN
?
【DL輪読会】Scaling Laws for Neural Language Models
【DL輪読会】Scaling Laws for Neural Language Models
Deep Learning JP
?
「统计的学习理论」第1章
「统计的学习理论」第1章
Kota Matsui
?
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
Shiga University, RIKEN
?
データ解析4 确率の復习
データ解析4 确率の復习
Hirotaka Hachiya
?
統計的因果推論への招待 -因果構造探索を中心に-
統計的因果推論への招待 -因果構造探索を中心に-
Shiga University, RIKEN
?
15分て?わかる(范囲の)ヘ?イス?统计学
15分て?わかる(范囲の)ヘ?イス?统计学
Ken'ichi Matsui
?
多様な强化学习の概念と课题认识
多様な强化学习の概念と课题认识
佑 甲野
?
(DL hacks輪読) Deep Kernel Learning
(DL hacks輪読) Deep Kernel Learning
Masahiro Suzuki
?
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Yamato OKAMOTO
?
混合モデルと贰惭アルゴリズム(笔搁惭尝第9章)
混合モデルと贰惭アルゴリズム(笔搁惭尝第9章)
Takao Yamanaka
?
SMO徹底入門 - SVMをちゃんと実装する
SMO徹底入門 - SVMをちゃんと実装する
sleepy_yoshi
?
Sparse estimation tutorial 2014
Sparse estimation tutorial 2014
Taiji Suzuki
?
科学と机械学习のあいだ:変量の设计?変换?选択?交互作用?线形性
科学と机械学习のあいだ:変量の设计?変换?选択?交互作用?线形性
Ichigaku Takigawa
?
因果探索: 基本から最近の発展までを概説
因果探索: 基本から最近の発展までを概説
Shiga University, RIKEN
?
ベイズ统计入门
ベイズ统计入门
Miyoshi Yuya
?
笔搁惭尝第6章「カーネル法」
笔搁惭尝第6章「カーネル法」
Keisuke Sugawara
?
状態空間モデルの考え方?使い方 - TokyoR #38
状態空間モデルの考え方?使い方 - TokyoR #38
horihorio
?
非ガウス性を利用した 因果構造探索
非ガウス性を利用した 因果構造探索
Shiga University, RIKEN
?
【DL輪読会】Scaling Laws for Neural Language Models
【DL輪読会】Scaling Laws for Neural Language Models
Deep Learning JP
?
「统计的学习理论」第1章
「统计的学习理论」第1章
Kota Matsui
?
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
Shiga University, RIKEN
?
データ解析4 确率の復习
データ解析4 确率の復习
Hirotaka Hachiya
?
統計的因果推論への招待 -因果構造探索を中心に-
統計的因果推論への招待 -因果構造探索を中心に-
Shiga University, RIKEN
?
15分て?わかる(范囲の)ヘ?イス?统计学
15分て?わかる(范囲の)ヘ?イス?统计学
Ken'ichi Matsui
?
多様な强化学习の概念と课题认识
多様な强化学习の概念と课题认识
佑 甲野
?
(DL hacks輪読) Deep Kernel Learning
(DL hacks輪読) Deep Kernel Learning
Masahiro Suzuki
?
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Yamato OKAMOTO
?
混合モデルと贰惭アルゴリズム(笔搁惭尝第9章)
混合モデルと贰惭アルゴリズム(笔搁惭尝第9章)
Takao Yamanaka
?

Similar to データ解析3 最适化の復习 (20)

人生を豊かにする线形代数学
人生を豊かにする线形代数学
Fumiya Watanabe
?
Jokyonokai130531
Jokyonokai130531
nwpmq516
?
PRML4.3
PRML4.3
hiroki yamaoka
?
双対性
双対性
Yoichi Iwata
?
データ解析11 因子分析の応用
データ解析11 因子分析の応用
Hirotaka Hachiya
?
コンピュータビジョン最先端ガイド6 第2章:4~4.2節
コンピュータビジョン最先端ガイド6 第2章:4~4.2節
nonane
?
Quantum Support Vector Machine
Quantum Support Vector Machine
Yuma Nakamura
?
パターン認識 第12章 正則化とパス追跡アルゴリズム
パターン認識 第12章 正則化とパス追跡アルゴリズム
Miyoshi Yuya
?
VBAで数値計算 10 逆行列と疑似逆行列
VBAで数値計算 10 逆行列と疑似逆行列
Katsuhiro Morishita
?
表現論 ゼミ資料
表現論 ゼミ資料
HanpenRobot
?
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
hirokazutanaka
?
Stanの紹介と応用事例(age heapingの統計モデル)
Stanの紹介と応用事例(age heapingの統計モデル)
. .
?
University CodeSprint 4 - Magic value
University CodeSprint 4 - Magic value
satanic
?
笔搁惭尝第9章「混合モデルと贰惭」
笔搁惭尝第9章「混合モデルと贰惭」
Keisuke Sugawara
?
自然科学の統計学2.2 slideshare
自然科学の統計学2.2 slideshare
wada, kazumi
?
笔搁惭尝読み会第一章
笔搁惭尝読み会第一章
Takushi Miki
?
PRML復々習レーン#9 6.3-6.3.1
PRML復々習レーン#9 6.3-6.3.1
sleepy_yoshi
?
VBAで数値計算 09 掃き出し法
VBAで数値計算 09 掃き出し法
Katsuhiro Morishita
?
PRML10-draft1002
PRML10-draft1002
Toshiyuki Shimono
?
CMSI計算科学技術特論A (2015) 第10回 行列計算における高速アルゴリズム1
CMSI計算科学技術特論A (2015) 第10回 行列計算における高速アルゴリズム1
Computational Materials Science Initiative
?
人生を豊かにする线形代数学
人生を豊かにする线形代数学
Fumiya Watanabe
?
Jokyonokai130531
Jokyonokai130531
nwpmq516
?
データ解析11 因子分析の応用
データ解析11 因子分析の応用
Hirotaka Hachiya
?
コンピュータビジョン最先端ガイド6 第2章:4~4.2節
コンピュータビジョン最先端ガイド6 第2章:4~4.2節
nonane
?
Quantum Support Vector Machine
Quantum Support Vector Machine
Yuma Nakamura
?
パターン認識 第12章 正則化とパス追跡アルゴリズム
パターン認識 第12章 正則化とパス追跡アルゴリズム
Miyoshi Yuya
?
VBAで数値計算 10 逆行列と疑似逆行列
VBAで数値計算 10 逆行列と疑似逆行列
Katsuhiro Morishita
?
表現論 ゼミ資料
表現論 ゼミ資料
HanpenRobot
?
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
hirokazutanaka
?
Stanの紹介と応用事例(age heapingの統計モデル)
Stanの紹介と応用事例(age heapingの統計モデル)
. .
?
University CodeSprint 4 - Magic value
University CodeSprint 4 - Magic value
satanic
?
笔搁惭尝第9章「混合モデルと贰惭」
笔搁惭尝第9章「混合モデルと贰惭」
Keisuke Sugawara
?
自然科学の統計学2.2 slideshare
自然科学の統計学2.2 slideshare
wada, kazumi
?
笔搁惭尝読み会第一章
笔搁惭尝読み会第一章
Takushi Miki
?
PRML復々習レーン#9 6.3-6.3.1
PRML復々習レーン#9 6.3-6.3.1
sleepy_yoshi
?
VBAで数値計算 09 掃き出し法
VBAで数値計算 09 掃き出し法
Katsuhiro Morishita
?
CMSI計算科学技術特論A (2015) 第10回 行列計算における高速アルゴリズム1
CMSI計算科学技術特論A (2015) 第10回 行列計算における高速アルゴリズム1
Computational Materials Science Initiative
?
Ad

More from Hirotaka Hachiya (16)

人工知能2018 5 机械学习の基础
人工知能2018 5 机械学习の基础
Hirotaka Hachiya
?
AI2018 8 ニューラルネットワークの基础
AI2018 8 ニューラルネットワークの基础
Hirotaka Hachiya
?
データ解析14 ナイーブベイズ
データ解析14 ナイーブベイズ
Hirotaka Hachiya
?
データ解析13 线形判别分析
データ解析13 线形判别分析
Hirotaka Hachiya
?
データ解析12 办平均法
データ解析12 办平均法
Hirotaka Hachiya
?
データ解析10 因子分析の基础
データ解析10 因子分析の基础
Hirotaka Hachiya
?
データ解析8 主成分分析の応用
データ解析8 主成分分析の応用
Hirotaka Hachiya
?
データ解析7 主成分分析の基础
データ解析7 主成分分析の基础
Hirotaka Hachiya
?
データ解析6 重回帰分析
データ解析6 重回帰分析
Hirotaka Hachiya
?
データ解析5 単回帰分析
データ解析5 単回帰分析
Hirotaka Hachiya
?
データ解析2 线形代数の復习
データ解析2 线形代数の復习
Hirotaka Hachiya
?
データ解析1 ベクトルの復习
データ解析1 ベクトルの復习
Hirotaka Hachiya
?
人工知能12 確率モデル
人工知能12 確率モデル
Hirotaka Hachiya
?
人工知能13 deep learning
人工知能13 deep learning
Hirotaka Hachiya
?
人工知能10 サポートベクトルマシン
人工知能10 サポートベクトルマシン
Hirotaka Hachiya
?
人工知能11 カーネルモデル
人工知能11 カーネルモデル
Hirotaka Hachiya
?
人工知能2018 5 机械学习の基础
人工知能2018 5 机械学习の基础
Hirotaka Hachiya
?
AI2018 8 ニューラルネットワークの基础
AI2018 8 ニューラルネットワークの基础
Hirotaka Hachiya
?
データ解析14 ナイーブベイズ
データ解析14 ナイーブベイズ
Hirotaka Hachiya
?
データ解析13 线形判别分析
データ解析13 线形判别分析
Hirotaka Hachiya
?
データ解析12 办平均法
データ解析12 办平均法
Hirotaka Hachiya
?
データ解析10 因子分析の基础
データ解析10 因子分析の基础
Hirotaka Hachiya
?
データ解析8 主成分分析の応用
データ解析8 主成分分析の応用
Hirotaka Hachiya
?
データ解析7 主成分分析の基础
データ解析7 主成分分析の基础
Hirotaka Hachiya
?
データ解析6 重回帰分析
データ解析6 重回帰分析
Hirotaka Hachiya
?
データ解析5 単回帰分析
データ解析5 単回帰分析
Hirotaka Hachiya
?
データ解析2 线形代数の復习
データ解析2 线形代数の復习
Hirotaka Hachiya
?
データ解析1 ベクトルの復习
データ解析1 ベクトルの復习
Hirotaka Hachiya
?
人工知能12 確率モデル
人工知能12 確率モデル
Hirotaka Hachiya
?
人工知能10 サポートベクトルマシン
人工知能10 サポートベクトルマシン
Hirotaka Hachiya
?
人工知能11 カーネルモデル
人工知能11 カーネルモデル
Hirotaka Hachiya
?
Ad

データ解析3 最适化の復习