深層学習 DAY4
自分用メモ 強化学習 長期的に報酬を最大限できるように環境のなかで行動を選択できるエージェントを作ることを目標とする機械学習の一分野 →行動の結果として与えられる利益（報酬）をもとに、行動を決定...
0
1
Comment0
13 search resultsShowing 1~13 results
Stocked
You need to log-in
深層学習 DAY3
自分用メモ Section1 再帰型ニューラルネットワークの概念 RNNとは 時系列データに対応可能な、ニューラルネットワーク 時系列データとは 時間的順序を追って一定間隔ごとに観察され、しかも...
0
1
Comment0
深層学習DAY２
自分用メモ Section1 勾配消失問題 誤差+=逆伝播法が下位置に進んでいくにつれて、勾配がどんどん緩やかになっていく。 そのため、勾配降下法による更新では下位置のパラメータはほとんど変わら...
0
1
Comment0
深層学習DAY1
ニューラルネットワークの全体像 例えば入力に体長X1=10、体重X2=300、ひげの本数X3=300、といったような入力データがあり、中間層で重みWをかけて,バイアスbを加えて変換すると出力Yが...
0
1
Comment0
機械学習 第七章 サポートベクターマシン
サポートベクターマシン（SVM）とは マージンを最大化という基準をもちいて決定境界を得るモデル。 サポートベクターマシンは分類と回帰のどちらの問題にも利用することができ、このアルゴリズムでは、決...
0
1
Comment0
機械学習 第五章 アルゴリズム
k近傍法 分類問題のための機械学習手法 最近傍のデータをｋ個取ってきて、それらがもっとも多く所属するクラスに識別 kを変化させると結果も変わる kを大きくすると決定境界は滑かになる。 k-平均法...
0
1
Comment0
機械学習 第四章 主成分分析
アウトライン 多変量データの持つ構造をより少数個の指標に圧縮 変量の個数を減らすことに伴う、情報の損失はなるべく小さくしたい。 少数変数を利用した分析や可視化（２、３次元の場合）が実現可能。 学...
0
1
Comment0
機械学習 第三章 ロジスティック回帰モデル
分類問題（クラス問題） ある入力（数値）からクラスに分類する問題 分類で扱うデータ 入力（各要素を説明変数または特徴量と呼ぶ） m次元のベクトル（ｍ次元の場合はスカラ） 出力（目的変数） 0 o...
0
1
Comment0
機械学習 第二章 非線形回帰モデル
単回帰/重回帰 y=w_0+w_1x+w_2x_2+...+w_mx_m →非線形な回帰を考えたい →xの代わりにΦ(x)を用いる。 *ｘからΦ(x)に代えてもwについては線形のまま 予測mod...
0
1
Comment0
機械学習 第一章 線形回帰モデル
線形 ざっくり比例 回帰問題 ある入力（離散あるいは連続地）から出力（連続値）を予測する問題 直線で予測→線形回帰 曲線で予測→非線形回帰 回帰で扱うデータ 入力（各要素を説明変数または特徴量と...
0
1
Comment0
応用数学 第三章 情報理論
個人的メモ 記述統計 集団の性質を要約し記述する。 推測統計 集団から一部を取り出し元の集団（母集団）の性質を推測する。 確率変数 事象と結び付けられた数値 事象そのものを指すと解釈する場合も多...
0
1
Comment0
応用数学 第二章 確率・統計
個人的メモ 集合とは何か S = a,b,c,d,e a \in \ S b \in \ S a,b は集合Sの要素である。 h \notin \ S hはSの要素ではない。 和集合と共通...
0
1
Comment0
応用数学 第一章 線形代数
個人的メモ スカラーとベクトルの違い スカラー 四則演算ができるもの ベクトル 数字の組み合わせ。大きさと向きを持つ。矢印で図示される。 行列とは スカラーを表にしたもの ベクトルを並べたもの ...
0
1
Comment0
13 search resultsShowing 1~13 results
Qiita is a knowledge sharing service for engineers.
- You can follow users and tags
- You can stock useful information
- You can make edit suggestions for articles