AutoKeras見てたらJSAIのこの発表思い出した、Attentionも含めてNASで探索するAtt-DARTS https://t.co/4YkN3oCxPW

RT @upura0: Yahooニュース見出しのCTR予測にNGBoostを使った発表が面白かった。信頼度付きなので、編集者支援の文脈で価値があるとのこと。比較実験でOptuna LightGBM Tunerが出てきて驚いた。 [4M2-GS-5-03] 自然勾配ブースティ…

RT @upura0: これ単純だけど面白いアイディアだった。決定木アンサンブル系の手法の変数重要度の計算方法の提案。決定木群を単体の予測性能で2分し、性能が良い/悪い群で使われている度合いから変数の重要度を測る。 [4Rin1-26] 決定木アンサンブルにおける出現頻度比に…

特徴量の解像度(カーディナリティ)が低い場合は、feature impotanceが低く出やすいの知らんかった、安易に何も考えずにfeature importanceで特徴選ぶのやめよう... https://t.co/XgMmr64K8C https://t.co/WkDJKJHi3B #JSAI2020

DNNの解釈をDNNで行う手法、LIMEやSHAPの数百倍の早さで計算できるそう、セッション中は時間なくてMNISTでの結果紹介だったので、文章分類問題とかで結果が見れたら面白そう https://t.co/9cVGKKLYcJ https://t.co/21QHSFRHWO #JSAI2020

ほとんどすべての機械学習はA/Bテストである、面白かった 予測結果から閾値に近い部分を見る(回帰不連続デザイン)とほぼABテストに近い状況でアルゴリズム改善につながる要素が見つけやすいという理解で納得した #JSAI2020 https://t.co/5q37s5C1j2

ってか親父が去年辺りからPythonで何ができるんだと根掘り葉掘り聞いていたんだが、今年の学会発表で普通にPythonコード書いて、PyAudio, Matplotlib, NumPy, OpenCV使ってこんなことができますと発表していて吹いた。もう後期高齢者ですよ？ https://t.co/INZZyMhujm

物体認識のための畳み込みニューラルネットワークの研究動向 https://t.co/bkKl4GOdFV このサーベイ論文めちゃくちゃ良い

JSAI発表終わった！ 自分の論文に引用しまくってきた手法の提案者の神嶌先生(@shima__shima )が聴講者にいてド緊張した笑 https://t.co/d3HbCJpah0

NFLデータを用いてアメフトのモデル化を試みた発表が面白かった。「3rd downの獲得ヤード数を減らすと全体への影響が大きい」など、諸条件を変えたシミュレーションを考察している。 #spoana [2J4-GS-2-05] 深層強化学習を用いたアメリカンフットボールコーチング戦略の研究 https://t.co/nPX85WJnNU

朝イチでこれ聴いたけど面白かった。複数の決定木を利用する機械学習モデルを簡略化したいという取り組みで、最小交差集合をO(nlogn)で計算することで、利用する分岐条件を絞り込んでいる。 [2I1-GS-2-01] 決定森の分岐条件の共有化の効果と応用 https://t.co/pJEBYAJGAN

17:20〜、以下発表あります #JSAI2020 [1L5-GS-5-01] 人気度に着目したニュース閲覧行動の変容分析 https://t.co/7arYsM29WJ

日本気象協会からの発表でTransformerによる時系列予測があった https://t.co/mjzpartHDa

人工知能学会2020でのYahoo!の発表。NGBoost使って、ニュースのクリック率を予測している。 自然勾配ブースティングを用いたニュース見出しの信頼度付きクリック率予測 https://t.co/Y3y3tvp2n4

ゎーぃ。 @owruby ﾊﾟｲｾﾝの学習率とかdata augmentationとかアンサンブルとかの網羅的な検証論文（https://t.co/O4YI0Xn7ga）はKaggler見るべきでは！？（せんでん https://t.co/HI7HhdwurC https://t.co/pLAaNF4owO