これが、$P(Y|X)$に当たり、尤度と呼ばれます。 以上の情報から、ベイズの定理を用いて、事後確率、$P(X|Y)$を求めることができます。 なぜなら、確率の基本定理より、 $P(Y)=\sum_{X}P(X,Y)=\sum_{X}P(Y|X)P(X)$ が成り立ち、 $P(Y=包丁|X=シェフ）P(X=シェフ）= 0.8 \times 0.2 = 0.16$ $P(Y=包丁|X=バイト）P(X=バイト）= 0.3 \times 0.8 = 0.24$ で、結局、 $P(Y=包丁) = 0.4$ であることが分かり、 $P(X=シェフ|Y=包丁）= 0.16/0.4 = 0.4$ $P(X=バイト|Y=包丁）= 0.24/0.4 = 0.6$ となります。もともと事前確率では$P(X=シェフ)=0.2$だったため、凶器が判明したことにより、シェフが犯人である確率（事後確率）が20%から4
「スキル」を計算するということ May 28, 2016 このブログポストは、Jeff Moser氏のComputing Your Skill(2010)を、原著者の許可を得て翻訳・公開したものです。全ての権利は、原著者にあります。 要約: TrueSkillのアルゴリズムをわかりやすく解説しよう。TrueSkillはXBox Liveで、プレイヤーのランキングとマッチングを行うのに使われている。また今日どのように統計的アプローチによる機械学習で実際に応用されているかを理解する、とてもよい題材にもなっている。これまでTrueSkillを実装したオープンソースのプロジェクトを三回行っている。そのたびに、アルゴリズムの複雑さとそれが出来ることを徐々に増やしていった。さらに、このブログポストで注釈をつけている数式について、数学的な詳細についても補遺を作った。興味を持ったセクションから見始めても、
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く