涌井良幸のレビュー一覧
-
Posted by ブクログ
●これならわかる！ベイズ統計学
●ベイズの定理
・事象の独立
P(B|A)=P(B)の場合、Aの発生がBの発生確率に影響しない。この場合、以下の独立事象の乗法定理が成立する
独立事象の乗法定理：P(A∩B)=P(A)P(B)
・条件付き確率P(B|A)とは、Aが発生した場合にBである確率。同時確率P(B∩A)とは1サンプルを選択した場合にAかつBである確率
・ベイズの定理
P(A|B)=P(B|A)P(A)/P(B)
BのもとでAが起こる確率 = AのもとでBが起こる確率×Aの起こる確率/Bの起こる確率
●ベイズ更新の考え方
・データを取り込むたびに事後確率が変化することをベイ -
Posted by ブクログ
ニューラルネットワークについて基礎からしっかりと数式（行列は使用していない）で説明し、Excelでそれを実践している。高校２年程度の数学を理解していて、プログラミングには慣れていない人に向いている。
偏微分のチェーンルールや誤差逆伝播法などニューラルネットワークで数学が上手く使われていることがわかり、大変参考になった。
特に逆誤差伝播法での微分や漸化式のありがたい性質はほかの機械学習の手法でも有効なので学べてよかった。
ニューラルネットワーク内での具体的な計算はブラックボックスになっているからこそ、計算構造を理解することが重要である。
本書はその有効な手助けとなる。 -
-
-
-
-
-
-
-
-
-
Posted by ブクログ
ディープラーニングの具体的なしくみについて理解したい人におすすめ。
【概要】
●ディープラーニングの概要
●ニューロンモデル
●ニューラルネットワークのしくみ
●畳み込みニューラルネットワークのしくみ
【感想】
●理数系の大学を出ていない自分がニューラルネットワークのしくみを最もよく理解できた本であった。これほど納得できる本は今まで見つけられなかった。
●入力層、隠れ層、出力層の中をどのような流れで数値が扱われていくか、とてもよく理解できた。また畳み込みニューラルネットワークとの違いもよく理解できた。
●Ｅｘｃｅｌを用いて実際にデータの流れを見ていけるよう説明されているが、必ずしもＥｘｃｅ -
-
Posted by ブクログ
とてもわかりやすい。
ベイズの基本公式
P(H|D)=P(D|H)*P(H)/P(D)
H:原因、D:データ(結果)
P(H|D):事後確率、P(D|H):尤度、P(H):事前確率
事前確率の情報がない場合は等確率にする（理由不十分の原則）。
複数のデータがある場合は、1回目のデータで得られた事後確率を2回目の事前確率とする（ベイズ更新）。データの順番を変えても同じ（逐次合理性）。
原因が複数ある場合（原因に重複がない場合）
P(Hi|D)=P(D|Hi)*P(Hi)/ΣP(D|Hi)*P(Hi)
ナイーブベイズフィルター：文書中の単語はすべて独立と仮定してふるい分けする。
分類Hnの -
-
-
-
-
-
