nekobean– Author –
-
機械学習 – 最大事後確率 (MAP) 識別規則
識別規則の1つである最大事後確率規則について解説します。 -
機械学習 – 最尤識別規則
識別規則の1つである最尤識別規則について解説します。 -
機械学習 – ベイズの識別規則
ベイズの識別規則について解説します。以下の記事の続きになります。機械学習 - 決定理論ついて (ML 識別規則、MAP 識別規則) - pystyle -
機械学習 – 決定理論について
データをクラスに分類する識別規則について解説します。 -
統計学 – MAP 推定 (PRML 1.2.5)
「パターン認識と機械学習 上 (PRML)」 の「1.2.5 曲線フィッティング再訪」の MAP 推定に記載されている内容のメモです。 -
統計学 – Python で学ぶ最尤法による直線フィッティング
最尤法による直線フィッティングについて解説し、Python による実装例を紹介します。 -
統計学 – 正規分布の最尤推定量とバイアスについて
正規分布の最尤推定量のバイアスについて考察し、Python で検証します。 -
統計学 – 全確率の定理、ベイズの定理
全確率の定理、ベイズの定理について解説します。 -
統計学 – Python で学ぶ 最尤推定法
最尤推定 (Maximum Likelihood Estimation / MLE) について、Python で動かしながら理解することを目的とした記事になります。 -
matplotlib – scatter で散布図を描画する方法
matplotlib の matplotlib.pyplot.scatter() で散布図を描画する方法について解説します。 -
機械学習 – カテゴリ変数を整数や one-hot 表現に変数する方法
カテゴリ変数を数値に変換する方法として、順序エンコーディング (Ordinal Encoding) とワンホットエンコーディング (One-hot Encoding) を解説します。 -
PRML – 「1.1 多項式曲線フィッティング」の Python 実装
「パターン認識と機械学習 上 (PRML)」 の「1.1 例: 多項式曲線フィッティング」に記載されている内容を Python で再現したコードになります。 書籍に記載されている説明は省略しているので、PRML と合わせて読むことが前提の記事です。
