はじめに 以前のエントリにて Spark / MLlib の K-means を取り上げましたが、今回は同じく MLlib にて提供されている機械学習アルゴリズムの一つ、 単純ベイズ分類器 (Naive Bayes, ナイーブベイズ) を使ってみましょう＆K-分割交差検証をしてみましょう、 というエントリです。 単純ベイズ分類器そのものについては読者の皆様はご存知、という前提でこの後の話を進めてしまいますので、 「ちょっと良くわからないよ待ってくれ！」という方は 単純ベイズ分類器 – Wikipedia 第3回 ベイジアンフィルタを実装してみよう：機械学習 はじめよう｜gihyo.jp … 技術評論社 第8回 自由回答式アンケートで顧客の声を聞くための考え方：Mahoutで体感する機械学習の実践｜gihyo.jp … 技術評論社 などのページを一読することをおすすめします。 単純ベイズ分類
This domain may be for sale!
Bayseian Setが面白そうだったので、これを使ってはてなブックマークの最新人気エントリをグループ分けするプログラムを書いてみました。ブックマークしたユーザーを属性と見て分類します。起動するとはてなブックマークから最新エントリを取得して、HTMLを標準出力に書き出します。Rubyプログラムです。 class AttrVector attr_reader :name def initialize(name) @name = name @attrs = Hash.new(false) end def add(attr) @attrs[attr]=true end def remove(attr) @attrs.delete(attr) end def each @attrs.each_key{|key| yield(key)} end end # require 'test/unit'
Bayesian Setとは集合D_Cが与えられたとき、そこから「類推」して、元の集合C⊃D_Cに入る元xを(「自信」の度合いを表す数値つきで)求めるというもの。ただし、D_Cの元やxは特徴データ{c_i}をもっているとする。で、原論文を読むとΓ関数がずらずらでてきておどろおどろしいのだけれど、実はやっていることは簡単だということに気がついたので、書いてみる。簡単のために、特徴はあるかないかの2値的とする。(一般的には連続量も扱える。)すると、Bayesian Setのアルゴリズムがやっていることは、xについて観測された特徴c毎に重みwを足していくだけである。重みwはハイパーパラメーターα、βを使って,と書ける。ハイパーパラメータというと難しいそうだが、α_t = (Nc:D_Cでcをもつ元の数) + α、β_t = (N-Nc:D_Cでcを持たない元の数) + βと定めるので、α、βは先
ベイジアンネットワーク 岐阜大学 工学研究科 博士後期課程 2 年 志賀元紀 平成 17 年 1 月 27 日 1 はじめに ベイジアンネットワークは，確率的な因果関係のモデル化や確率的な推論を目的として，様々に用い られている．ベイジアンネットワークを利用する際の問題点としては，大きく分けて 2 つある．一つ目 は，標本が与えられたときに，どれだけ良い精度で，確率的な構造を推定できるか，つまり，ネットワー ク構築 (または，学習) の問題である．2 つ目は，確率的な構造が既知のとき，推論のための周辺確率の 計算効率に関する問題である．この文章では，後者の問題のみ述べる．ネットワーク構築の問題1 を知り たい方は，他の文献を参考して頂きたい． 2 2.1 ベイジアンネットワーク ベイジアンネットワークとは ベイジアンネットワークとは，確率的な因果関係をモデル化する手法であるグ
社団法人 電子情報通信学会 THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS 信学技報 TECHNICAL REPORT OF IEICE ベイジアンモデル選択に基づく知覚特徴量を用いた抽象的語意の学習 岩橋 直人 1 1 佐藤 健 2 麻生 英樹 3 国際電気通信基礎技術研究所，2 国立情報学研究所，3 産業技術総合研究所 E-mail: 1 naoto.iwahashi@atr.jp, 2 ksatoh@nii.ac.jp, 3 h.asoh@aist.go.jp あらまし 実環境中のオブジェクトやそれに加えられる動作についての知覚特徴により直接形成される構造化された基本的 概念を基盤にして，知覚特徴から直接的には形成されない抽象的意味を持つ語の学習を行う計算機構を提示する．レキシ
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
処理を実行中です
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