Enviar búsqueda
Cargar
第三回統計学勉強会@東大駒場
•
Descargar como PPTX, PDF
•
1 recomendación
•
1,428 vistas
Daisuke Yoneoka
Seguir
Denunciar
Compartir
Denunciar
Compartir
1 de 11
Descargar ahora
Recomendados
パターン認識と機械学習 §8.3.4 有向グラフとの関係
パターン認識と機械学習 §8.3.4 有向グラフとの関係
Prunus 1350
Ikeph 2-20140730
Ikeph 2-20140730
GM3D
150901 math003 関数その1
150901 math003 関数その1
elephancube
第四回統計学勉強会@東大駒場
第四回統計学勉強会@東大駒場
Daisuke Yoneoka
Chap12 4 appendix_suhara
Chap12 4 appendix_suhara
sleepy_yoshi
第二回統計学勉強会@東大駒場
第二回統計学勉強会@東大駒場
Daisuke Yoneoka
[読会]Logistic regression models for aggregated data
[読会]Logistic regression models for aggregated data
shima o
PRML輪読#10
PRML輪読#10
matsuolab
Recomendados
パターン認識と機械学習 §8.3.4 有向グラフとの関係
パターン認識と機械学習 §8.3.4 有向グラフとの関係
Prunus 1350
Ikeph 2-20140730
Ikeph 2-20140730
GM3D
150901 math003 関数その1
150901 math003 関数その1
elephancube
第四回統計学勉強会@東大駒場
第四回統計学勉強会@東大駒場
Daisuke Yoneoka
Chap12 4 appendix_suhara
Chap12 4 appendix_suhara
sleepy_yoshi
第二回統計学勉強会@東大駒場
第二回統計学勉強会@東大駒場
Daisuke Yoneoka
[読会]Logistic regression models for aggregated data
[読会]Logistic regression models for aggregated data
shima o
PRML輪読#10
PRML輪読#10
matsuolab
機械学習
機械学習
ssusere8ae711
kagamicomput201708
kagamicomput201708
swkagami
PRML輪読#12
PRML輪読#12
matsuolab
Prml Reading Group 10 8.3
Prml Reading Group 10 8.3
正志 坪坂
[読会]A critical review of lasso and its derivatives for variable selection und...
[読会]A critical review of lasso and its derivatives for variable selection und...
shima o
PRML輪読#3
PRML輪読#3
matsuolab
GPUによる多倍長整数乗算の高速化手法の提案とその評価
GPUによる多倍長整数乗算の高速化手法の提案とその評価
Koji Kitano
化学科自主ゼミ1
化学科自主ゼミ1
Hiroki Sato
kagamicomput201709
kagamicomput201709
swkagami
PRML輪読#13
PRML輪読#13
matsuolab
GPUによる多倍長整数乗算の高速化手法の提案
GPUによる多倍長整数乗算の高速化手法の提案
Koji Kitano
PRMLrevenge 4.4
PRMLrevenge 4.4
Naoya Nakamura
深層学習(講談社)のまとめ 第4章
深層学習(講談社)のまとめ 第4章
okku apot
PRML輪読#14
PRML輪読#14
matsuolab
[第2版]Python機械学習プログラミング 第10章
[第2版]Python機械学習プログラミング 第10章
Haruki Eguchi
PRML 3.5.2, 3.5.3, 3.6
PRML 3.5.2, 3.5.3, 3.6
Kohei Tomita
PRML 3.3.3-3.4 ベイズ線形回帰とモデル選択 / Baysian Linear Regression and Model Comparison)
PRML 3.3.3-3.4 ベイズ線形回帰とモデル選択 / Baysian Linear Regression and Model Comparison)
Akihiro Nitta
PRML10.1〜10.4 大域的変分推論法の紹介
PRML10.1〜10.4 大域的変分推論法の紹介
KCS Keio Computer Society
150908 math004 関数その2
150908 math004 関数その2
elephancube
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
公共図書館の役割とはなにか
公共図書館の役割とはなにか
良和 日向
改めて10分くらいで学ぶEjectコマンドユーザー会
改めて10分くらいで学ぶEjectコマンドユーザー会
Akira Ouchi
Más contenido relacionado
La actualidad más candente
機械学習
機械学習
ssusere8ae711
kagamicomput201708
kagamicomput201708
swkagami
PRML輪読#12
PRML輪読#12
matsuolab
Prml Reading Group 10 8.3
Prml Reading Group 10 8.3
正志 坪坂
[読会]A critical review of lasso and its derivatives for variable selection und...
[読会]A critical review of lasso and its derivatives for variable selection und...
shima o
PRML輪読#3
PRML輪読#3
matsuolab
GPUによる多倍長整数乗算の高速化手法の提案とその評価
GPUによる多倍長整数乗算の高速化手法の提案とその評価
Koji Kitano
化学科自主ゼミ1
化学科自主ゼミ1
Hiroki Sato
kagamicomput201709
kagamicomput201709
swkagami
PRML輪読#13
PRML輪読#13
matsuolab
GPUによる多倍長整数乗算の高速化手法の提案
GPUによる多倍長整数乗算の高速化手法の提案
Koji Kitano
PRMLrevenge 4.4
PRMLrevenge 4.4
Naoya Nakamura
深層学習(講談社)のまとめ 第4章
深層学習(講談社)のまとめ 第4章
okku apot
PRML輪読#14
PRML輪読#14
matsuolab
[第2版]Python機械学習プログラミング 第10章
[第2版]Python機械学習プログラミング 第10章
Haruki Eguchi
PRML 3.5.2, 3.5.3, 3.6
PRML 3.5.2, 3.5.3, 3.6
Kohei Tomita
PRML 3.3.3-3.4 ベイズ線形回帰とモデル選択 / Baysian Linear Regression and Model Comparison)
PRML 3.3.3-3.4 ベイズ線形回帰とモデル選択 / Baysian Linear Regression and Model Comparison)
Akihiro Nitta
PRML10.1〜10.4 大域的変分推論法の紹介
PRML10.1〜10.4 大域的変分推論法の紹介
KCS Keio Computer Society
150908 math004 関数その2
150908 math004 関数その2
elephancube
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
La actualidad más candente
(20)
機械学習
機械学習
kagamicomput201708
kagamicomput201708
PRML輪読#12
PRML輪読#12
Prml Reading Group 10 8.3
Prml Reading Group 10 8.3
[読会]A critical review of lasso and its derivatives for variable selection und...
[読会]A critical review of lasso and its derivatives for variable selection und...
PRML輪読#3
PRML輪読#3
GPUによる多倍長整数乗算の高速化手法の提案とその評価
GPUによる多倍長整数乗算の高速化手法の提案とその評価
化学科自主ゼミ1
化学科自主ゼミ1
kagamicomput201709
kagamicomput201709
PRML輪読#13
PRML輪読#13
GPUによる多倍長整数乗算の高速化手法の提案
GPUによる多倍長整数乗算の高速化手法の提案
PRMLrevenge 4.4
PRMLrevenge 4.4
深層学習(講談社)のまとめ 第4章
深層学習(講談社)のまとめ 第4章
PRML輪読#14
PRML輪読#14
[第2版]Python機械学習プログラミング 第10章
[第2版]Python機械学習プログラミング 第10章
PRML 3.5.2, 3.5.3, 3.6
PRML 3.5.2, 3.5.3, 3.6
PRML 3.3.3-3.4 ベイズ線形回帰とモデル選択 / Baysian Linear Regression and Model Comparison)
PRML 3.3.3-3.4 ベイズ線形回帰とモデル選択 / Baysian Linear Regression and Model Comparison)
PRML10.1〜10.4 大域的変分推論法の紹介
PRML10.1〜10.4 大域的変分推論法の紹介
150908 math004 関数その2
150908 math004 関数その2
VBAで数値計算 09 掃き出し法
VBAで数値計算 09 掃き出し法
Destacado
公共図書館の役割とはなにか
公共図書館の役割とはなにか
良和 日向
改めて10分くらいで学ぶEjectコマンドユーザー会
改めて10分くらいで学ぶEjectコマンドユーザー会
Akira Ouchi
constexpr関数はコンパイル時処理。これはいい。実行時が霞んで見える。cpuの嬌声が聞こえてきそうだ
constexpr関数はコンパイル時処理。これはいい。実行時が霞んで見える。cpuの嬌声が聞こえてきそうだ
Genya Murakami
Brian M Dunlap-Detail CVC-30 Year Sr Vp Marketing & Operations
Brian M Dunlap-Detail CVC-30 Year Sr Vp Marketing & Operations
BRIAN M DUNLAP
Historia de Israel
Historia de Israel
antso
Thank you 3.12.2017
Thank you 3.12.2017
Kevin Schafer
採用マーケティングの全体像
採用マーケティングの全体像
Yuichiro "Philip" Yamada
Domiparches
Domiparches
Shirley Rojas Quintero
リクルートグループの現場事例から見る AI/ディープラーニング ビジネス活用の勘所
リクルートグループの現場事例から見る AI/ディープラーニング ビジネス活用の勘所
Recruit Technologies
はじめての vSRX on AWS
はじめての vSRX on AWS
Juniper Networks (日本)
Proactive CRM for Auto DMS
Proactive CRM for Auto DMS
Proactivesoft
Com es distribueix la corrupció política a Espanya
Com es distribueix la corrupció política a Espanya
Ramir De Porrata-Doria
Injecting Security into vulnerable web apps at Runtime
Injecting Security into vulnerable web apps at Runtime
Ajin Abraham
WAI-ARIAの考え方と使い方を整理しよう
WAI-ARIAの考え方と使い方を整理しよう
Nozomi Sawada
Auto medidas-cautelares-calles-franquistas(1)
Auto medidas-cautelares-calles-franquistas(1)
Luis Falcó Maestre
Advanced search and Top-k queries in Cassandra - Cassandra Summit Europe 2014
Advanced search and Top-k queries in Cassandra - Cassandra Summit Europe 2014
Andrés de la Peña
日本語でおk AI スピーカーを作ってみた
日本語でおk AI スピーカーを作ってみた
崇之 清水
Les défauts de WordPress pour le SEO
Les défauts de WordPress pour le SEO
Daniel Roch - SeoMix
10 Must-Know Commercial Real Estate Terms
10 Must-Know Commercial Real Estate Terms
REoptimizer®
サーバーレスでシステムを開発する時に⼤切な事
サーバーレスでシステムを開発する時に⼤切な事
Hiroyuki Hiki
Destacado
(20)
公共図書館の役割とはなにか
公共図書館の役割とはなにか
改めて10分くらいで学ぶEjectコマンドユーザー会
改めて10分くらいで学ぶEjectコマンドユーザー会
constexpr関数はコンパイル時処理。これはいい。実行時が霞んで見える。cpuの嬌声が聞こえてきそうだ
constexpr関数はコンパイル時処理。これはいい。実行時が霞んで見える。cpuの嬌声が聞こえてきそうだ
Brian M Dunlap-Detail CVC-30 Year Sr Vp Marketing & Operations
Brian M Dunlap-Detail CVC-30 Year Sr Vp Marketing & Operations
Historia de Israel
Historia de Israel
Thank you 3.12.2017
Thank you 3.12.2017
採用マーケティングの全体像
採用マーケティングの全体像
Domiparches
Domiparches
リクルートグループの現場事例から見る AI/ディープラーニング ビジネス活用の勘所
リクルートグループの現場事例から見る AI/ディープラーニング ビジネス活用の勘所
はじめての vSRX on AWS
はじめての vSRX on AWS
Proactive CRM for Auto DMS
Proactive CRM for Auto DMS
Com es distribueix la corrupció política a Espanya
Com es distribueix la corrupció política a Espanya
Injecting Security into vulnerable web apps at Runtime
Injecting Security into vulnerable web apps at Runtime
WAI-ARIAの考え方と使い方を整理しよう
WAI-ARIAの考え方と使い方を整理しよう
Auto medidas-cautelares-calles-franquistas(1)
Auto medidas-cautelares-calles-franquistas(1)
Advanced search and Top-k queries in Cassandra - Cassandra Summit Europe 2014
Advanced search and Top-k queries in Cassandra - Cassandra Summit Europe 2014
日本語でおk AI スピーカーを作ってみた
日本語でおk AI スピーカーを作ってみた
Les défauts de WordPress pour le SEO
Les défauts de WordPress pour le SEO
10 Must-Know Commercial Real Estate Terms
10 Must-Know Commercial Real Estate Terms
サーバーレスでシステムを開発する時に⼤切な事
サーバーレスでシステムを開発する時に⼤切な事
Similar a 第三回統計学勉強会@東大駒場
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)
. .
PRML輪読#4
PRML輪読#4
matsuolab
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
Tokyo r12 - R言語による回帰分析入門
Tokyo r12 - R言語による回帰分析入門
Yohei Sato
【学会発表】LDAにおけるベイズ汎化誤差の厳密な漸近形【IBIS2020】
【学会発表】LDAにおけるベイズ汎化誤差の厳密な漸近形【IBIS2020】
Naoki Hayashi
Sparse estimation tutorial 2014
Sparse estimation tutorial 2014
Taiji Suzuki
Oshasta em
Oshasta em
Naotaka Yamada
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
Deep Learning Lab(ディープラーニング・ラボ)
第六回「データ解析のための統計モデリング入門」前半
第六回「データ解析のための統計モデリング入門」前半
Atsushi Hayakawa
【招待講演】パラメータ制約付き行列分解のベイズ汎化誤差解析【StatsML若手シンポ2020】
【招待講演】パラメータ制約付き行列分解のベイズ汎化誤差解析【StatsML若手シンポ2020】
Naoki Hayashi
Angle-Based Outlier Detection周辺の論文紹介
Angle-Based Outlier Detection周辺の論文紹介
Naotaka Yamada
第14回 配信講義 計算科学技術特論B(2022)
第14回 配信講義 計算科学技術特論B(2022)
RCCSRENKEI
第2回DARM勉強会.preacherによるmoderatorの検討
第2回DARM勉強会.preacherによるmoderatorの検討
Masaru Tokuoka
W8PRML5.1-5.3
W8PRML5.1-5.3
Masahito Ohue
PRML4.3
PRML4.3
hiroki yamaoka
Prml12-2
Prml12-2
Tsukasa Fukunaga
PRML勉強会@長岡 第4章線形識別モデル
PRML勉強会@長岡 第4章線形識別モデル
Shohei Okada
パターン認識 04 混合正規分布
パターン認識 04 混合正規分布
sleipnir002
[The Elements of Statistical Learning]Chapter18: High Dimensional Problems
[The Elements of Statistical Learning]Chapter18: High Dimensional Problems
Yu Otsuka
幾何を使った統計のはなし
幾何を使った統計のはなし
Toru Imai
Similar a 第三回統計学勉強会@東大駒場
(20)
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)
PRML輪読#4
PRML輪読#4
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
Tokyo r12 - R言語による回帰分析入門
Tokyo r12 - R言語による回帰分析入門
【学会発表】LDAにおけるベイズ汎化誤差の厳密な漸近形【IBIS2020】
【学会発表】LDAにおけるベイズ汎化誤差の厳密な漸近形【IBIS2020】
Sparse estimation tutorial 2014
Sparse estimation tutorial 2014
Oshasta em
Oshasta em
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
第六回「データ解析のための統計モデリング入門」前半
第六回「データ解析のための統計モデリング入門」前半
【招待講演】パラメータ制約付き行列分解のベイズ汎化誤差解析【StatsML若手シンポ2020】
【招待講演】パラメータ制約付き行列分解のベイズ汎化誤差解析【StatsML若手シンポ2020】
Angle-Based Outlier Detection周辺の論文紹介
Angle-Based Outlier Detection周辺の論文紹介
第14回 配信講義 計算科学技術特論B(2022)
第14回 配信講義 計算科学技術特論B(2022)
第2回DARM勉強会.preacherによるmoderatorの検討
第2回DARM勉強会.preacherによるmoderatorの検討
W8PRML5.1-5.3
W8PRML5.1-5.3
PRML4.3
PRML4.3
Prml12-2
Prml12-2
PRML勉強会@長岡 第4章線形識別モデル
PRML勉強会@長岡 第4章線形識別モデル
パターン認識 04 混合正規分布
パターン認識 04 混合正規分布
[The Elements of Statistical Learning]Chapter18: High Dimensional Problems
[The Elements of Statistical Learning]Chapter18: High Dimensional Problems
幾何を使った統計のはなし
幾何を使った統計のはなし
Más de Daisuke Yoneoka
MCMC法
MCMC法
Daisuke Yoneoka
PCA on graph/network
PCA on graph/network
Daisuke Yoneoka
Sequential Kernel Association Test (SKAT) for rare and common variants
Sequential Kernel Association Test (SKAT) for rare and common variants
Daisuke Yoneoka
Higher criticism, SKAT and SKAT-o for whole genome studies
Higher criticism, SKAT and SKAT-o for whole genome studies
Daisuke Yoneoka
Deep directed generative models with energy-based probability estimation
Deep directed generative models with energy-based probability estimation
Daisuke Yoneoka
独立成分分析 ICA
独立成分分析 ICA
Daisuke Yoneoka
Supervised PCAとその周辺
Supervised PCAとその周辺
Daisuke Yoneoka
Sparse models
Sparse models
Daisuke Yoneoka
ML: Sparse regression CH.13
ML: Sparse regression CH.13
Daisuke Yoneoka
セミパラメトリック推論の基礎
セミパラメトリック推論の基礎
Daisuke Yoneoka
Murphy: Machine learning A probabilistic perspective: Ch.9
Murphy: Machine learning A probabilistic perspective: Ch.9
Daisuke Yoneoka
第七回統計学勉強会@東大駒場
第七回統計学勉強会@東大駒場
Daisuke Yoneoka
第五回統計学勉強会@東大駒場
第五回統計学勉強会@東大駒場
Daisuke Yoneoka
第一回統計学勉強会@東大駒場
第一回統計学勉強会@東大駒場
Daisuke Yoneoka
ブートストラップ法とその周辺とR
ブートストラップ法とその周辺とR
Daisuke Yoneoka
Rで学ぶデータサイエンス第13章(ミニマックス確率マシン)
Rで学ぶデータサイエンス第13章(ミニマックス確率マシン)
Daisuke Yoneoka
Rで学ぶデータサイエンス第1章(判別能力の評価)
Rで学ぶデータサイエンス第1章(判別能力の評価)
Daisuke Yoneoka
Más de Daisuke Yoneoka
(17)
MCMC法
MCMC法
PCA on graph/network
PCA on graph/network
Sequential Kernel Association Test (SKAT) for rare and common variants
Sequential Kernel Association Test (SKAT) for rare and common variants
Higher criticism, SKAT and SKAT-o for whole genome studies
Higher criticism, SKAT and SKAT-o for whole genome studies
Deep directed generative models with energy-based probability estimation
Deep directed generative models with energy-based probability estimation
独立成分分析 ICA
独立成分分析 ICA
Supervised PCAとその周辺
Supervised PCAとその周辺
Sparse models
Sparse models
ML: Sparse regression CH.13
ML: Sparse regression CH.13
セミパラメトリック推論の基礎
セミパラメトリック推論の基礎
Murphy: Machine learning A probabilistic perspective: Ch.9
Murphy: Machine learning A probabilistic perspective: Ch.9
第七回統計学勉強会@東大駒場
第七回統計学勉強会@東大駒場
第五回統計学勉強会@東大駒場
第五回統計学勉強会@東大駒場
第一回統計学勉強会@東大駒場
第一回統計学勉強会@東大駒場
ブートストラップ法とその周辺とR
ブートストラップ法とその周辺とR
Rで学ぶデータサイエンス第13章(ミニマックス確率マシン)
Rで学ぶデータサイエンス第13章(ミニマックス確率マシン)
Rで学ぶデータサイエンス第1章(判別能力の評価)
Rで学ぶデータサイエンス第1章(判別能力の評価)
第三回統計学勉強会@東大駒場
1.
統計学勉強会 第三回
@kingqwert
2.
GLM
3.
GLM概形 • g()は連結関数(リンク関数) • 現実には非線形なので解析解は不可能
→ シミュレーションにより数値解を出す。
4.
正規線形モデル • 行列表記 • 分散分析
– N(an)人の対象者をa水準からなる要因にランダムにn 人ずつ割りつけた場合 一般 主効 ランダム 効果 果 誤差
5.
回帰モデル • 目的
– 結果変数に対する説明変数の関連の程度を回帰パラ メーターを通して定量的に表現 • 線形モデル – 未知パラメーターに関して線形 – 非線形モデル: y=a×exp(-bx)
6.
最小二乗法 • 残差平方和を最小にするように推定
– 残差=観測値ー予測値 • 最小化
7.
ガウス=マルコフの条件 • 誤差に関する仮定
– E(ε)=0 – V(ε)=σ^2 I – 二次モーメントまでの制約のみ • 普遍性 • 独立性 • 等分散性 • →ここまででBLUEになるよ • 正規性は仮定しない→UMVU推定量に – あらゆる不偏推定量の中で最小
8.
ロジスティック回帰 • 回帰分析とは、
被説明変数 係数を推定 説明変数 13/02/12 機械学習勉強会@本郷キャンパス 8
9.
ロジスティック判別
2値問題 モデル構築 判別 glm(回帰式,data,family=binominal) predict() 13/02/12 機械学習勉強会@本郷キャンパス 9
10.
2値判別 • ロジスティック回帰 • よって
であれば ⇒ Y = 1 と判別できる
11.
ポワソン/対数線形モデル
Descargar ahora