第8回　分類問題をディープラーニング（基本のDNN）で解こう (1/3)：TensorFlow 2＋Keras（tf.keras）入門 - ＠IT

2020/06/08 9 users ニューラルネットワーク DNN 連載目次 実装コード 前回

連載目次 本連載では、第1回～第3回で、ニューラルネットワークの仕組みと、TensorFlow 2.x（2.0以降）による基本的な実装コードを説明した。また、第4回～第6回で、TensorFlow 2の書き方をまとめた。さらに前回（第7回）では「回帰問題」についてあらためて取り上げ、これまでの連載記事で学んできた知識だけでも「基本... 続きを読む

高次元データに対するL1正則化の有効性｜内場 崇之｜note

2018/12/17 10 users 数理 変数 高次元データ 線形回帰モデル 有効性

Introduction高次元データでの回帰問題に対して、線形回帰モデルのL1正則化（Lasso回帰）の有効性は広く知られているところです。この有効性の理由は数理統計的な側面からも理解が進んで来ました。代表的な結果の1つに、Lasso回帰の 変数の個数に対して必要なサンプルサイズは対数的にしか増加しない。と言う性質が挙げ... 続きを読む

識別関数、識別モデル、生成モデルの違いを解説 - HELLO CYBERNETICS

2017/06/09 19 users HELLO CYBERNETICS 生成モデル 解説 共通

2017 - 06 - 08 識別関数、識別モデル、生成モデルの違いを解説 人工知能 人工知能-機械学習 Follow @ML_deep SNSでこの記事をシェアする Bookmark! Facebook Twitter Google+ Pocket はじめに 記事の目的：共通の認識を持てるようにするため なぜパターン認識と機械学習を引用するか 機械学習の目的 分類問題と回帰問題 分類問題について... 続きを読む