Soumettre la recherche
Mettre en ligne
20150303ぞくパタLT-ゆるふわ構造学習
•
6 j'aime
•
4,783 vues
Toru Imai
Suivre
20150303ぞくパタLT - Bayes LiNGAMのはなし
Lire moins
Lire la suite
Sciences
Affichage du diaporama
Signaler
Partager
Affichage du diaporama
Signaler
Partager
1 sur 17
Télécharger maintenant
Télécharger pour lire hors ligne
Recommandé
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
構造方程式モデルによる因果探索と非ガウス性
構造方程式モデルによる因果探索と非ガウス性
Shiga University, RIKEN
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
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
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
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
反応時間データをどう分析し図示するか
反応時間データをどう分析し図示するか
SAKAUE, Tatsuya
NaITE#14 メトリクス解析(データ解析)の初歩
NaITE#14 メトリクス解析(データ解析)の初歩
Asako Yanuki
Recommandé
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
構造方程式モデルによる因果探索と非ガウス性
構造方程式モデルによる因果探索と非ガウス性
Shiga University, RIKEN
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
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
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
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
反応時間データをどう分析し図示するか
反応時間データをどう分析し図示するか
SAKAUE, Tatsuya
NaITE#14 メトリクス解析(データ解析)の初歩
NaITE#14 メトリクス解析(データ解析)の初歩
Asako Yanuki
Nagoyar 5 Part 1
Nagoyar 5 Part 1
SAKAUE, Tatsuya
2015-1003 英語コーパス学会ワークショップ使用スライド
2015-1003 英語コーパス学会ワークショップ使用スライド
Mizumoto Atsushi
130502 discrete choiceseminar_no.3
130502 discrete choiceseminar_no.3
隆浩 安
130418 discrete choiceseminar_no.1
130418 discrete choiceseminar_no.1
隆浩 安
130425 discrete choiceseminar_no.2
130425 discrete choiceseminar_no.2
隆浩 安
クラシックな機械学習の入門 11.評価方法
クラシックな機械学習の入門 11.評価方法
Hiroshi Nakagawa
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話
Ryota Kamoshida
機会学習ハッカソン:ランダムフォレスト
機会学習ハッカソン:ランダムフォレスト
Teppei Baba
Rm20140702 11key
Rm20140702 11key
youwatari
パターン認識 第01章-判別能力の評価
パターン認識 第01章-判別能力の評価
sleipnir002
Stan で欠測データの相関係数を推定してみた
Stan で欠測データの相関係数を推定してみた
hoxo_m
時系列解析の使い方 - TokyoWebMining #17
時系列解析の使い方 - TokyoWebMining #17
horihorio
ランダムフォレストとそのコンピュータビジョンへの応用
ランダムフォレストとそのコンピュータビジョンへの応用
Kinki University
R Study Tokyo03
R Study Tokyo03
Yohei Sato
分析のガイドライン
分析のガイドライン
Kosuke Sato
一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門
Yu Tamura
統計的因果推論 勉強用 isseing333
統計的因果推論 勉強用 isseing333
Issei Kurahashi
分析のビジネス展開を考える―状態空間モデルを例に @TokyoWebMining #47
分析のビジネス展開を考える―状態空間モデルを例に @TokyoWebMining #47
horihorio
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
コンピューターの整列処理におけるデータ操作の時間的共起分析
コンピューターの整列処理におけるデータ操作の時間的共起分析
yamahige
Rcppのすすめ
Rcppのすすめ
Masaki Tsuda
Rで潜在ランク分析
Rで潜在ランク分析
Hiroshi Shimizu
Contenu connexe
Tendances
Nagoyar 5 Part 1
Nagoyar 5 Part 1
SAKAUE, Tatsuya
2015-1003 英語コーパス学会ワークショップ使用スライド
2015-1003 英語コーパス学会ワークショップ使用スライド
Mizumoto Atsushi
130502 discrete choiceseminar_no.3
130502 discrete choiceseminar_no.3
隆浩 安
130418 discrete choiceseminar_no.1
130418 discrete choiceseminar_no.1
隆浩 安
130425 discrete choiceseminar_no.2
130425 discrete choiceseminar_no.2
隆浩 安
クラシックな機械学習の入門 11.評価方法
クラシックな機械学習の入門 11.評価方法
Hiroshi Nakagawa
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話
Ryota Kamoshida
機会学習ハッカソン:ランダムフォレスト
機会学習ハッカソン:ランダムフォレスト
Teppei Baba
Rm20140702 11key
Rm20140702 11key
youwatari
パターン認識 第01章-判別能力の評価
パターン認識 第01章-判別能力の評価
sleipnir002
Stan で欠測データの相関係数を推定してみた
Stan で欠測データの相関係数を推定してみた
hoxo_m
時系列解析の使い方 - TokyoWebMining #17
時系列解析の使い方 - TokyoWebMining #17
horihorio
ランダムフォレストとそのコンピュータビジョンへの応用
ランダムフォレストとそのコンピュータビジョンへの応用
Kinki University
R Study Tokyo03
R Study Tokyo03
Yohei Sato
分析のガイドライン
分析のガイドライン
Kosuke Sato
一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門
Yu Tamura
統計的因果推論 勉強用 isseing333
統計的因果推論 勉強用 isseing333
Issei Kurahashi
分析のビジネス展開を考える―状態空間モデルを例に @TokyoWebMining #47
分析のビジネス展開を考える―状態空間モデルを例に @TokyoWebMining #47
horihorio
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
コンピューターの整列処理におけるデータ操作の時間的共起分析
コンピューターの整列処理におけるデータ操作の時間的共起分析
yamahige
Tendances
(20)
Nagoyar 5 Part 1
Nagoyar 5 Part 1
2015-1003 英語コーパス学会ワークショップ使用スライド
2015-1003 英語コーパス学会ワークショップ使用スライド
130502 discrete choiceseminar_no.3
130502 discrete choiceseminar_no.3
130418 discrete choiceseminar_no.1
130418 discrete choiceseminar_no.1
130425 discrete choiceseminar_no.2
130425 discrete choiceseminar_no.2
クラシックな機械学習の入門 11.評価方法
クラシックな機械学習の入門 11.評価方法
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話
機会学習ハッカソン:ランダムフォレスト
機会学習ハッカソン:ランダムフォレスト
Rm20140702 11key
Rm20140702 11key
パターン認識 第01章-判別能力の評価
パターン認識 第01章-判別能力の評価
Stan で欠測データの相関係数を推定してみた
Stan で欠測データの相関係数を推定してみた
時系列解析の使い方 - TokyoWebMining #17
時系列解析の使い方 - TokyoWebMining #17
ランダムフォレストとそのコンピュータビジョンへの応用
ランダムフォレストとそのコンピュータビジョンへの応用
R Study Tokyo03
R Study Tokyo03
分析のガイドライン
分析のガイドライン
一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門
統計的因果推論 勉強用 isseing333
統計的因果推論 勉強用 isseing333
分析のビジネス展開を考える―状態空間モデルを例に @TokyoWebMining #47
分析のビジネス展開を考える―状態空間モデルを例に @TokyoWebMining #47
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
コンピューターの整列処理におけるデータ操作の時間的共起分析
コンピューターの整列処理におけるデータ操作の時間的共起分析
En vedette
Rcppのすすめ
Rcppのすすめ
Masaki Tsuda
Rで潜在ランク分析
Rで潜在ランク分析
Hiroshi Shimizu
Mxnetで回帰 #TokyoR 53th
Mxnetで回帰 #TokyoR 53th
Akifumi Eguchi
R入門(dplyrでデータ加工)-TokyoR42
R入門(dplyrでデータ加工)-TokyoR42
Atsushi Hayakawa
RとStanでクラウドセットアップ時間を分析してみたら #TokyoR
RとStanでクラウドセットアップ時間を分析してみたら #TokyoR
Shuyo Nakatani
Dummiesパッケージ
Dummiesパッケージ
weda654
20170923 excelユーザーのためのr入門
20170923 excelユーザーのためのr入門
Takashi Kitano
20140625 rでのデータ分析(仮) for_tokyor
20140625 rでのデータ分析(仮) for_tokyor
Takashi Kitano
データサイエンティスト必見!M-1グランプリ
データサイエンティスト必見!M-1グランプリ
Satoshi Kitajima
R を起動するその前に
R を起動するその前に
Kosei ABE
TokyoR42_around_chaining
TokyoR42_around_chaining
TokorosawaYoshio
Rで代数統計 TokyoR #42 LT
Rで代数統計 TokyoR #42 LT
Toru Imai
マルコフ連鎖モンテカルロ法入門-1
マルコフ連鎖モンテカルロ法入門-1
Nagi Teramo
最強のハードディスクはどれだ?
最強のハードディスクはどれだ?
Atsushi Hayakawa
ggplot2再入門(2015年バージョン)
ggplot2再入門(2015年バージョン)
yutannihilation
Tokyor42 ggplot2
Tokyor42 ggplot2
Yohei Sato
Tokyor42_r_datamining_18
Tokyor42_r_datamining_18
Yohei Sato
Tokyo r33 beginner
Tokyo r33 beginner
Takashi Minoda
Tokyo r30 anova
Tokyo r30 anova
Takashi Minoda
Rで学ぶ 傾向スコア解析入門 - 無作為割り当てが出来ない時の因果効果推定 -
Rで学ぶ 傾向スコア解析入門 - 無作為割り当てが出来ない時の因果効果推定 -
Yohei Sato
En vedette
(20)
Rcppのすすめ
Rcppのすすめ
Rで潜在ランク分析
Rで潜在ランク分析
Mxnetで回帰 #TokyoR 53th
Mxnetで回帰 #TokyoR 53th
R入門(dplyrでデータ加工)-TokyoR42
R入門(dplyrでデータ加工)-TokyoR42
RとStanでクラウドセットアップ時間を分析してみたら #TokyoR
RとStanでクラウドセットアップ時間を分析してみたら #TokyoR
Dummiesパッケージ
Dummiesパッケージ
20170923 excelユーザーのためのr入門
20170923 excelユーザーのためのr入門
20140625 rでのデータ分析(仮) for_tokyor
20140625 rでのデータ分析(仮) for_tokyor
データサイエンティスト必見!M-1グランプリ
データサイエンティスト必見!M-1グランプリ
R を起動するその前に
R を起動するその前に
TokyoR42_around_chaining
TokyoR42_around_chaining
Rで代数統計 TokyoR #42 LT
Rで代数統計 TokyoR #42 LT
マルコフ連鎖モンテカルロ法入門-1
マルコフ連鎖モンテカルロ法入門-1
最強のハードディスクはどれだ?
最強のハードディスクはどれだ?
ggplot2再入門(2015年バージョン)
ggplot2再入門(2015年バージョン)
Tokyor42 ggplot2
Tokyor42 ggplot2
Tokyor42_r_datamining_18
Tokyor42_r_datamining_18
Tokyo r33 beginner
Tokyo r33 beginner
Tokyo r30 anova
Tokyo r30 anova
Rで学ぶ 傾向スコア解析入門 - 無作為割り当てが出来ない時の因果効果推定 -
Rで学ぶ 傾向スコア解析入門 - 無作為割り当てが出来ない時の因果効果推定 -
20150303ぞくパタLT-ゆるふわ構造学習
1.
(・ω<)
2.
自己紹介 • なまえ :
今井 徹 •ついった : • しごと :株式会社ALBERT 主任研究員 •きょうみ:因果推論、代数統計、情報幾何、トロピカル幾何 •ひとこと:ぞくパタ初参加なのでお手柔らかに><; @motivic_
3.
2章の復習
4.
詳しくはこの 資料を見よう http://www.slideshare.net/eguchiakifumi/2-43237825
5.
http://www.slideshare.net/eguchiakifumi/2-43237825 観測されたデータ から3種類のコイン のどれだったかの 事後確率を計算した
6.
𝑃 𝑥(100) ) =
0.1 𝑃 𝑥(100) ) = 0.7 𝑃 𝑥(100) ) = 0.2 観測されたデータから、3つの候補モデルのどのモデルから 生成されたかの事後確率を求めてみよう A B C A B C model A model B model C
7.
観測された (x1, x2) がこんなデータだった としよう
8.
X X X X X
X 1 1 1 2 2 2 model A model B model C 例えばLiNGAM(Linear Non-Gaussian Acyclic Model)であればBとCの識別可能
9.
モデルの事後確率 モデルの事前確率 正規化定数 尤度 事前分布 モデルの事後確率
10.
線形関係+ノイズ 尤度: これをどうパラメトリックモデルで表現するか? Bayes LiNGAM (Hoyer
and Hyttinen, 2009) = 𝑖 𝑝𝑖(𝑒𝑖)
11.
Bayes LiNGAM (Hoyer
and Hyttinen, 2009) 提案法1(Laplace + Gaussian) ラプラス ガウス 正規化定数
12.
Bayes LiNGAM (Hoyer
and Hyttinen, 2009) 提案法2(Gaussian Mixture) 今日はこっちを使います (この方が自然だろ・・・jk)
13.
Bayes LiNGAM (Hoyer
and Hyttinen, 2009) BayeslingamっていうRのコードを使ったよ http://www.cs.helsinki.fi/group/neuroinf/lingam/bayeslingam/
14.
X X X X X
X 1 1 1 2 2 2 model A 真のモデル model B model C
15.
𝑃 𝑥(100) ) =
0.0425 𝑃 𝑥(100) ) = 0.0000 𝑃 𝑥(100) ) = 0.9575 X X X X X X 1 1 1 2 2 2
16.
サンプルサイズと 正解率のプロット
17.
あとはブログを見てね! http://www.albert2005.co.jp/analyst_blog/?p=1244
Télécharger maintenant