Ceek.jp Altmetrics (α ver.)
  1. ホーム
  2. Twitter
  3. atusy

atusy (@Atsushi776)

投稿一覧（最新100件）

3 0 0 0 OA Bayesian lassoによるスパース回帰モデリング

ベイズでLASSOとかすると、スパースな点推定をするには事後最頻値が必要だけど、MCMCだと安定しないからスパースにならないんじゃね……？と思ったら、まんまそれを指摘して、改善方法を提案してる論文があった。 https://t.co/ovW2WArgK9

1 0 0 0 OA λ-スキャン法を用いたスパース基底選択とスペクトル分解への応用

λスキャン、λをグリッドサーチしてモデル選択し、GLMでCVするのか。LASSOが選択した変数の重みも小さく潰すのを問題視しているように見える。それなら馬蹄分布である程度解決できそーな気もする……？λスキャンの方がサンプリングしない分高速だったりするのか知らん？ https://t.co/JowsyoQzBe

13 0 0 0 OA ほとんどすべての機械学習はA/Bテストである

RT @okiyuki99: 予測結果の四捨五入や閾値により施策の実施有無を判定するけど、自然実験でいう回帰不連続デザインになるとみなせるのたしかに。機械学習にランダムがのってるのもたしかに。こういうこと考えたことがなかったから面白かった ほとんどすべての機械学習はA/Bテスト…

2 0 0 0 OA 宇宙・地球研究資料のアーカイブ化とキュレーションシステムの構築

RT @tatsukix: 101 (1F)、5月27日 PM1、14:08 - 14:31 宇宙・地球研究資料のアーカイブ化とキュレーションシステムの構築 https://t.co/7qYM2D9fLJ

2 0 0 0 IR 身体運動が味覚に与える影響

プロテインが美味しくないならもうワンセット GO! 運動すると味覚が変化することは知られているし (佐々木ほか2013)，経験上ワークアウトした方がプロテインは美味しくなる． https://t.co/9jWRjuKWnH

3 0 0 0 OA GEOFCM: a new method for statistical classification of geochemical data using spatial contextual information

あ、リンク忘れた。ちな、Juliaはこれから勉強するので間に合うかすら不明。間に合わなかったらRで実装した話でお茶濁す。 https://t.co/T2QjOFsN3X

お気に入り一覧（最新100件）

55 0 0 0 OA 私のブックマーク:不均衡データ分類

@nino_pira 新旧含めて、このPDFがまとまっていると思います。2022年5月発行なので最近ですね。 https://t.co/O2PKS3aqKu

763 0 0 0 OA キュウリの渋味要因と調理操作による低減

@tetsublogorg これ、30年ぐらい前に知ったときは味変わらんと思ってたけど、実は効果あるんですよね。 切断面の維管束から出てくる液が苦くて、その液を出す方法で有名なのがコレという。 こちらがその論文です。 キュウリの渋味要因と調理操作による低減 - J-STAG https://t.co/RX7mRqw4Nk

5 0 0 0 OA 異質な集団が混在するデータに対する統計モデリング

https://t.co/3gz4cJ2kex GLMMの代わりにGHMという方法があるのか。なるほど

4 0 0 0 OA 機械学習を用いた空調熱源システムの不具合検知・診断 第1報−シミュレーションによる不具合データベース作成と畳み込みニューラルネットワークによる不具合検知・診断

機械学習を用いた空調熱源システムの不具合検知・診断 https://t.co/wA14fbTPzD 電力設備の温度の時系列データを画像化して、CNNを使う事例だ。詳しく書いてあるのよい。

88 0 0 0 OA Using Propensity Scores for Causal Inference: Pitfalls and Tips

早期公開されていた傾向スコアのチュートリアル論文、校正を経て綺麗な完全体になって公開された模様

22 0 0 0 OA AI手法による打音検査の浮き判定の検討

異常検出において、「教師あり」vs「教師なし」で「教師なし」が勝った一例。 https://t.co/tFsw7ssmQh コンクリートの打音スペクトル（スペクトログラムではない）で異常個所を見つける研究。「教師あり」が80％強の精度、「教師なし」（オートエンコーダ）は100％の精度に。

13 0 0 0 OA ほとんどすべての機械学習はA/Bテストである

予測結果の四捨五入や閾値により施策の実施有無を判定するけど、自然実験でいう回帰不連続デザインになるとみなせるのたしかに。機械学習にランダムがのってるのもたしかに。こういうこと考えたことがなかったから面白かった ほとんどすべての機械学習はA/Bテストである https://t.co/0SH7yuEYVb

33 0 0 0 OA Rによるテキスト分析入門

@niszet0 @Atsushi776 そういえば先日の解説記事でも要旨ではR言語とわざわざ書きました。まー人口の問題かもですね。 https://t.co/Yn8LgHNKi7

9 0 0 0 OA 機械学習における説明可能性・公平性・安全性への工学的取り組み

本日は #jsai2019 企画セッション「機械学習における説明可能性・公平性・安全性への工学的取り組み」にてお話をさせていただきます．ご関心のある方はおいで下さい． https://t.co/Hhm2o5KhNA https://t.co/qu1nBlWfO2

23 0 0 0 OA スパースモデリングと天文学(<特集>スパースモデリング: 情報処理の新しい流れ)

ブラックホールがスパースモデリングによって見えるようになった原理が書かれている。非常にわかりやすい。（池田思朗, 本間希樹, 植村誠、スパースモデリングと天文学、応用数理、25、15-19、2015） https://t.co/atcY7QxRSc

95 0 0 0 OA 深層学習を用いた画像識別タスクの精度向上テクニック

オープンアクセス / 深層学習を用いた画像識別タスクの精度向上テクニック https://t.co/yv4o75qySq

10 0 0 0 OA ルールベースを用いた地質学研究・教育支援エキスパートシステム

ルールベースを用いた地質学研究・教育支援エキスパートシステム https://t.co/jLtkhhzkIc 四半世紀経って火山灰識別は人間の決めた判断基準から解放される一歩を踏み出したのか

355 0 0 0 OA エントロピーとモデルの尤度(<講座>物理学周辺の確率統計)

リンク切れしていたので再リンク 次の２つは必読。 https://t.co/0XWLnhwq6V エントロピーとモデルの尤度 赤池弘次 https://t.co/YRhnSOzAll 統計的推論のパラダイムの変遷について 赤池弘次 前者には この統計量は AIC (an information criterion) と呼ばれ とある

355 0 0 0 OA エントロピーとモデルの尤度(<講座>物理学周辺の確率統計)

#統計 11/5にGoogleのロゴが赤池弘次さんになっていたので、赤池さんが書いたものをググって読んでみました。次の2つ(どちらも1980年の論説)： https://t.co/2yI8DNOy7N 統計的推論のパラダイムの変遷について https://t.co/Nle5j9of9A エントロピーとモデルの尤度

フォロー（297ユーザ）の投稿一覧（直近7日間）

フォロワー（886ユーザ）の投稿一覧（直近7日間）