Enviar pesquisa
Carregar
お前の逐モン、GETだぜ!
•
5 gostaram
•
6,483 visualizações
Nagi Teramo
Seguir
Tokyo.R 39
Leia menos
Leia mais
Tecnologia
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 38
Baixar agora
Baixar para ler offline
Recomendados
Rでを作る
Rでを作る
Nagi Teramo
機械の体を手に入れるのよ、鉄郎!!!
機械の体を手に入れるのよ、鉄郎!!!
Nagi Teramo
RFinanceJはじめました
RFinanceJはじめました
Nagi Teramo
Reproducebility 100倍 Dockerマン
Reproducebility 100倍 Dockerマン
Nagi Teramo
BOOTがぶっとんだ
BOOTがぶっとんだ
paralleltree
IT業界における伝統芸能の継承 #hachiojipm
IT業界における伝統芸能の継承 #hachiojipm
鉄次 尾形
Github pagesでRPubsにサヨナラ!
Github pagesでRPubsにサヨナラ!
yutannihilation
再帰、漸化式、差分方程式とアルゴリズム Gx#20
再帰、漸化式、差分方程式とアルゴリズム Gx#20
鉄次 尾形
Recomendados
Rでを作る
Rでを作る
Nagi Teramo
機械の体を手に入れるのよ、鉄郎!!!
機械の体を手に入れるのよ、鉄郎!!!
Nagi Teramo
RFinanceJはじめました
RFinanceJはじめました
Nagi Teramo
Reproducebility 100倍 Dockerマン
Reproducebility 100倍 Dockerマン
Nagi Teramo
BOOTがぶっとんだ
BOOTがぶっとんだ
paralleltree
IT業界における伝統芸能の継承 #hachiojipm
IT業界における伝統芸能の継承 #hachiojipm
鉄次 尾形
Github pagesでRPubsにサヨナラ!
Github pagesでRPubsにサヨナラ!
yutannihilation
再帰、漸化式、差分方程式とアルゴリズム Gx#20
再帰、漸化式、差分方程式とアルゴリズム Gx#20
鉄次 尾形
Tokyo.R女子部発表スライド「Rではじめるデータ解析の超基礎」
Tokyo.R女子部発表スライド「Rではじめるデータ解析の超基礎」
tokyorgirls
RPubs とその Bot たち
RPubs とその Bot たち
hoxo_m
Chainer meetup lt
Chainer meetup lt
Ace12358
Seq2Seqでボットづくり
Seq2Seqでボットづくり
Masato Fujitake
Pythonでターミナルに画像表示
Pythonでターミナルに画像表示
Masato Fujitake
オープンセミナー香川2012 LT
オープンセミナー香川2012 LT
Kouta Imanaka
May python prevail everyone
May python prevail everyone
Daiki Kojima
Rubyと機械学習の現状
Rubyと機械学習の現状
Aki Ariga
コミュ障の俺が、自分と近い特徴のヤツを探す(プロ生#32 LT)
コミュ障の俺が、自分と近い特徴のヤツを探す(プロ生#32 LT)
cancolle
LLoT ランゲージアップデート Python
LLoT ランゲージアップデート Python
hirokiky
FsCheckコトハジメ
FsCheckコトハジメ
Kazuhiro Matsushima
失われたBIOS設定を求めて
失われたBIOS設定を求めて
paralleltree
swirl パッケージでインタラクティブ学習
swirl パッケージでインタラクティブ学習
hoxo_m
Dblt#2 do-postgres-dream-of-graph-database
Dblt#2 do-postgres-dream-of-graph-database
Toshi Harada
Lt (コピー)
Lt (コピー)
bitter_fox
簡易TRPG向けチャットツールOnset!
簡易TRPG向けチャットツールOnset!
kiridaruma
20120512
20120512
YAMANE Toshiaki
プロ生ちゃんbotを作ろう!
プロ生ちゃんbotを作ろう!
treby
Codereatreat in KIT
Codereatreat in KIT
Masayuki KaToH
C#erがF#に這い寄ってみた
C#erがF#に這い寄ってみた
Hiroshi Maekawa
Rでダイエット
Rでダイエット
Tatsuya Tojima
((Rで) 書く ((もっとRっぽい) Lisp) インタプリタ)
((Rで) 書く ((もっとRっぽい) Lisp) インタプリタ)
igjit
Mais conteúdo relacionado
Mais procurados
Tokyo.R女子部発表スライド「Rではじめるデータ解析の超基礎」
Tokyo.R女子部発表スライド「Rではじめるデータ解析の超基礎」
tokyorgirls
RPubs とその Bot たち
RPubs とその Bot たち
hoxo_m
Chainer meetup lt
Chainer meetup lt
Ace12358
Seq2Seqでボットづくり
Seq2Seqでボットづくり
Masato Fujitake
Pythonでターミナルに画像表示
Pythonでターミナルに画像表示
Masato Fujitake
オープンセミナー香川2012 LT
オープンセミナー香川2012 LT
Kouta Imanaka
May python prevail everyone
May python prevail everyone
Daiki Kojima
Rubyと機械学習の現状
Rubyと機械学習の現状
Aki Ariga
コミュ障の俺が、自分と近い特徴のヤツを探す(プロ生#32 LT)
コミュ障の俺が、自分と近い特徴のヤツを探す(プロ生#32 LT)
cancolle
LLoT ランゲージアップデート Python
LLoT ランゲージアップデート Python
hirokiky
FsCheckコトハジメ
FsCheckコトハジメ
Kazuhiro Matsushima
失われたBIOS設定を求めて
失われたBIOS設定を求めて
paralleltree
swirl パッケージでインタラクティブ学習
swirl パッケージでインタラクティブ学習
hoxo_m
Dblt#2 do-postgres-dream-of-graph-database
Dblt#2 do-postgres-dream-of-graph-database
Toshi Harada
Lt (コピー)
Lt (コピー)
bitter_fox
簡易TRPG向けチャットツールOnset!
簡易TRPG向けチャットツールOnset!
kiridaruma
20120512
20120512
YAMANE Toshiaki
プロ生ちゃんbotを作ろう!
プロ生ちゃんbotを作ろう!
treby
Codereatreat in KIT
Codereatreat in KIT
Masayuki KaToH
C#erがF#に這い寄ってみた
C#erがF#に這い寄ってみた
Hiroshi Maekawa
Mais procurados
(20)
Tokyo.R女子部発表スライド「Rではじめるデータ解析の超基礎」
Tokyo.R女子部発表スライド「Rではじめるデータ解析の超基礎」
RPubs とその Bot たち
RPubs とその Bot たち
Chainer meetup lt
Chainer meetup lt
Seq2Seqでボットづくり
Seq2Seqでボットづくり
Pythonでターミナルに画像表示
Pythonでターミナルに画像表示
オープンセミナー香川2012 LT
オープンセミナー香川2012 LT
May python prevail everyone
May python prevail everyone
Rubyと機械学習の現状
Rubyと機械学習の現状
コミュ障の俺が、自分と近い特徴のヤツを探す(プロ生#32 LT)
コミュ障の俺が、自分と近い特徴のヤツを探す(プロ生#32 LT)
LLoT ランゲージアップデート Python
LLoT ランゲージアップデート Python
FsCheckコトハジメ
FsCheckコトハジメ
失われたBIOS設定を求めて
失われたBIOS設定を求めて
swirl パッケージでインタラクティブ学習
swirl パッケージでインタラクティブ学習
Dblt#2 do-postgres-dream-of-graph-database
Dblt#2 do-postgres-dream-of-graph-database
Lt (コピー)
Lt (コピー)
簡易TRPG向けチャットツールOnset!
簡易TRPG向けチャットツールOnset!
20120512
20120512
プロ生ちゃんbotを作ろう!
プロ生ちゃんbotを作ろう!
Codereatreat in KIT
Codereatreat in KIT
C#erがF#に這い寄ってみた
C#erがF#に這い寄ってみた
Destaque
Rでダイエット
Rでダイエット
Tatsuya Tojima
((Rで) 書く ((もっとRっぽい) Lisp) インタプリタ)
((Rで) 書く ((もっとRっぽい) Lisp) インタプリタ)
igjit
線形カルマンフィルタの導出
線形カルマンフィルタの導出
Fumiya Watanabe
Tokyo R #39
Tokyo R #39
Akifumi Eguchi
家に早く帰りたい
家に早く帰りたい
Atsushi Hayakawa
R勉強会@東京 - Tokyo.Rの紹介
R勉強会@東京 - Tokyo.Rの紹介
Yohei Sato
Tokyor10 opening
Tokyor10 opening
Yohei Sato
Tokyo r39 beginner
Tokyo r39 beginner
Takashi Minoda
Tokyo r49 beginner
Tokyo r49 beginner
Takashi Minoda
DATUM STUDIO PyCon2016 Turorial
DATUM STUDIO PyCon2016 Turorial
Tatsuya Tojima
Tokyor39 yokkuns
Tokyor39 yokkuns
Yohei Sato
関係フレーム理論
関係フレーム理論
人斬り 抜刀斎
カルマンフィルタについて
カルマンフィルタについて
tiny_ak
#TokyoR 39 高速に前処理するNYSOL
#TokyoR 39 高速に前処理するNYSOL
Satoshi Kitajima
xtsパッケージで時系列解析
xtsパッケージで時系列解析
Nagi Teramo
状態空間モデルの考え方・使い方 - TokyoR #38
状態空間モデルの考え方・使い方 - TokyoR #38
horihorio
Rで野球データ解析がしたい ( pitchRxを使う )
Rで野球データ解析がしたい ( pitchRxを使う )
Takuma Hatano
SMO徹底入門 - SVMをちゃんと実装する
SMO徹底入門 - SVMをちゃんと実装する
sleepy_yoshi
状態空間モデルの実行方法と実行環境の比較
状態空間モデルの実行方法と実行環境の比較
Hiroki Itô
RStanとShinyStanによるベイズ統計モデリング入門
RStanとShinyStanによるベイズ統計モデリング入門
Masaki Tsuda
Destaque
(20)
Rでダイエット
Rでダイエット
((Rで) 書く ((もっとRっぽい) Lisp) インタプリタ)
((Rで) 書く ((もっとRっぽい) Lisp) インタプリタ)
線形カルマンフィルタの導出
線形カルマンフィルタの導出
Tokyo R #39
Tokyo R #39
家に早く帰りたい
家に早く帰りたい
R勉強会@東京 - Tokyo.Rの紹介
R勉強会@東京 - Tokyo.Rの紹介
Tokyor10 opening
Tokyor10 opening
Tokyo r39 beginner
Tokyo r39 beginner
Tokyo r49 beginner
Tokyo r49 beginner
DATUM STUDIO PyCon2016 Turorial
DATUM STUDIO PyCon2016 Turorial
Tokyor39 yokkuns
Tokyor39 yokkuns
関係フレーム理論
関係フレーム理論
カルマンフィルタについて
カルマンフィルタについて
#TokyoR 39 高速に前処理するNYSOL
#TokyoR 39 高速に前処理するNYSOL
xtsパッケージで時系列解析
xtsパッケージで時系列解析
状態空間モデルの考え方・使い方 - TokyoR #38
状態空間モデルの考え方・使い方 - TokyoR #38
Rで野球データ解析がしたい ( pitchRxを使う )
Rで野球データ解析がしたい ( pitchRxを使う )
SMO徹底入門 - SVMをちゃんと実装する
SMO徹底入門 - SVMをちゃんと実装する
状態空間モデルの実行方法と実行環境の比較
状態空間モデルの実行方法と実行環境の比較
RStanとShinyStanによるベイズ統計モデリング入門
RStanとShinyStanによるベイズ統計モデリング入門
Semelhante a お前の逐モン、GETだぜ!
最近の話題から 〜2013年秋〜 #hachiojipm
最近の話題から 〜2013年秋〜 #hachiojipm
鉄次 尾形
Tukkomimura #twtr_hack
Tukkomimura #twtr_hack
Eiji Yokota
mikutterではじめるさわやかておくれライフ
mikutterではじめるさわやかておくれライフ
Akira Ouchi
人が神姫ん感(原文ママ)を感じるコンピュータ
人が神姫ん感(原文ママ)を感じるコンピュータ
haru2036
あひる焼きの歴史 ver0.1
あひる焼きの歴史 ver0.1
2bo 2bo
東京近郊のPerlコミュニティのご紹介 #lcs2015
東京近郊のPerlコミュニティのご紹介 #lcs2015
鉄次 尾形
20111205 駒澤大学講演プレゼン1
20111205 駒澤大学講演プレゼン1
眞之介 shinnosuke 広瀬 hirose
リキッドレイアウトって何なのよ
リキッドレイアウトって何なのよ
Miho Matsui
Semelhante a お前の逐モン、GETだぜ!
(8)
最近の話題から 〜2013年秋〜 #hachiojipm
最近の話題から 〜2013年秋〜 #hachiojipm
Tukkomimura #twtr_hack
Tukkomimura #twtr_hack
mikutterではじめるさわやかておくれライフ
mikutterではじめるさわやかておくれライフ
人が神姫ん感(原文ママ)を感じるコンピュータ
人が神姫ん感(原文ママ)を感じるコンピュータ
あひる焼きの歴史 ver0.1
あひる焼きの歴史 ver0.1
東京近郊のPerlコミュニティのご紹介 #lcs2015
東京近郊のPerlコミュニティのご紹介 #lcs2015
20111205 駒澤大学講演プレゼン1
20111205 駒澤大学講演プレゼン1
リキッドレイアウトって何なのよ
リキッドレイアウトって何なのよ
Mais de Nagi Teramo
第86回R勉強会@東京 LT資料
第86回R勉強会@東京 LT資料
Nagi Teramo
healthplanetパッケージで体組成データを手に入れて健康な体も手に入れる
healthplanetパッケージで体組成データを手に入れて健康な体も手に入れる
Nagi Teramo
闇と向き合う
闇と向き合う
Nagi Teramo
続わかりやすいパターン認識11章(11.1 - 11.4)
続わかりやすいパターン認識11章(11.1 - 11.4)
Nagi Teramo
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet
Nagi Teramo
Ultra Lightning Talk × 3
Ultra Lightning Talk × 3
Nagi Teramo
F#談話室(17)
F#談話室(17)
Nagi Teramo
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
Nagi Teramo
Trading volume mapping R in recent environment
Trading volume mapping R in recent environment
Nagi Teramo
~knitr+pandocではじめる~『R MarkdownでReproducible Research』
~knitr+pandocではじめる~『R MarkdownでReproducible Research』
Nagi Teramo
とある金融屋の統計技師が時系列解析してみた
とある金融屋の統計技師が時系列解析してみた
Nagi Teramo
可視化周辺の進化がヤヴァイ~rChartsを中心として~
可視化周辺の進化がヤヴァイ~rChartsを中心として~
Nagi Teramo
「plyrパッケージで君も前処理スタ☆」改め「plyrパッケージ徹底入門」
「plyrパッケージで君も前処理スタ☆」改め「plyrパッケージ徹底入門」
Nagi Teramo
Tokyo.R 白熱教室「これからのRcppの話をしよう」
Tokyo.R 白熱教室「これからのRcppの話をしよう」
Nagi Teramo
レプリカ交換モンテカルロ法で乱数の生成
レプリカ交換モンテカルロ法で乱数の生成
Nagi Teramo
Rで学ぶ逆変換(逆関数)法
Rで学ぶ逆変換(逆関数)法
Nagi Teramo
Rで学ぶ『構造型モデル de 倒産確率推定』
Rで学ぶ『構造型モデル de 倒産確率推定』
Nagi Teramo
Chapter 6: Computing on the language (R Language Definition)
Chapter 6: Computing on the language (R Language Definition)
Nagi Teramo
あるおっさんが記録し続けたデータを使えば人生一発逆転か?
あるおっさんが記録し続けたデータを使えば人生一発逆転か?
Nagi Teramo
菩薩でもわかる!Rで動かすExcelアドインの作り方
菩薩でもわかる!Rで動かすExcelアドインの作り方
Nagi Teramo
Mais de Nagi Teramo
(20)
第86回R勉強会@東京 LT資料
第86回R勉強会@東京 LT資料
healthplanetパッケージで体組成データを手に入れて健康な体も手に入れる
healthplanetパッケージで体組成データを手に入れて健康な体も手に入れる
闇と向き合う
闇と向き合う
続わかりやすいパターン認識11章(11.1 - 11.4)
続わかりやすいパターン認識11章(11.1 - 11.4)
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet
Ultra Lightning Talk × 3
Ultra Lightning Talk × 3
F#談話室(17)
F#談話室(17)
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
Trading volume mapping R in recent environment
Trading volume mapping R in recent environment
~knitr+pandocではじめる~『R MarkdownでReproducible Research』
~knitr+pandocではじめる~『R MarkdownでReproducible Research』
とある金融屋の統計技師が時系列解析してみた
とある金融屋の統計技師が時系列解析してみた
可視化周辺の進化がヤヴァイ~rChartsを中心として~
可視化周辺の進化がヤヴァイ~rChartsを中心として~
「plyrパッケージで君も前処理スタ☆」改め「plyrパッケージ徹底入門」
「plyrパッケージで君も前処理スタ☆」改め「plyrパッケージ徹底入門」
Tokyo.R 白熱教室「これからのRcppの話をしよう」
Tokyo.R 白熱教室「これからのRcppの話をしよう」
レプリカ交換モンテカルロ法で乱数の生成
レプリカ交換モンテカルロ法で乱数の生成
Rで学ぶ逆変換(逆関数)法
Rで学ぶ逆変換(逆関数)法
Rで学ぶ『構造型モデル de 倒産確率推定』
Rで学ぶ『構造型モデル de 倒産確率推定』
Chapter 6: Computing on the language (R Language Definition)
Chapter 6: Computing on the language (R Language Definition)
あるおっさんが記録し続けたデータを使えば人生一発逆転か?
あるおっさんが記録し続けたデータを使えば人生一発逆転か?
菩薩でもわかる!Rで動かすExcelアドインの作り方
菩薩でもわかる!Rで動かすExcelアドインの作り方
お前の逐モン、GETだぜ!
1.
お前の逐モン、 GETだぜ!!! 第39回 勉強会@東京(#TokyoR) @teramonagi
2.
貴方が今すぐフォローすべき たった1つのトゥイッター・アカウント • @Nekopuni_ 2
3.
3 WHY?
4.
素晴らしき、俺様備忘録(Rネタ多数) 4 http://nekopuni.holy.jp/ ※「Rによるベイジアン動的線形モデル」の内容多数あり
5.
そんな彼がこんなん言ってました 5
6.
本日のワタクシのLTタイトル 6 http://atnd.org/events/50887
7.
畜じゃねぇし、逐だし 7
8.
でも、それ、 いいフリだぜぇ? 8
9.
お前の畜モン、 GETだぜ!!! 第39回 勉強会@東京(#TokyoR) @teramonagi
10.
畜モンとは? • 社畜モンスター、縮めて畜モン • コヨウケイヤクショで捕まえられる •
常に大量の仕事を抱える不思議な生物 • 仲間と仲良く暮らしている畜モンもいれ ば、職を失い公園や浜辺に生息してい る無職の野良畜モンも 10
11.
本題、逐次モンテカルロ法 • Sequential MonteCarlo
Method(SMC) • 別名いっぱい(SIR, 粒子フィルタ) • 逐次モンテカルロ→逐モン→(畜モン) (こう呼んでる人を見たことはない) • モンテカルロ法を用いた、系列データ に対する、モデルの隠れ変数(状態変 数)の逐次的な推定法 11
12.
アルゴリズム、ダイジェスト 0:元気よく社畜を投げる 1:(尊い)労働を実行させる 2:営業成績の評価 3:リストラと採用の実施 4:1へ戻る 12※SMCの”フィルタリング”というアルゴリズムに相当
13.
アルゴリズム、ダイジェスト 13 時点0 1 2
14.
アルゴリズム、ダイジェスト • 0:元気よく社畜を投げる 14 時点0 1
2
15.
アルゴリズム、ダイジェスト • 1:(尊い)労働を実行させる 15 時点0 1
2
16.
アルゴリズム、ダイジェスト • 2:営業成績の評価 16 時点0 1
2 70点 80点 60点 100点 30点 25点
17.
アルゴリズム、ダイジェスト • 3:リストラと採用の実施 17 時点0 1
2 70点 80点 60点 100点 30点 25点 残留 残留 残留 残留 リストラ リストラ
18.
アルゴリズム、ダイジェスト • 3:リストラと採用の実施 18 時点0 1
2 70点 80点 60点 100点 30点 25点 残留 残留 残留 残留 リストラ リストラ
19.
アルゴリズム、ダイジェスト • 1:(尊い)労働を実行させる 19 時点0 1
2
20.
大事なところな ので、もう一度 20
21.
アルゴリズム、ダイジェスト • 0:元気よく社畜を投げる 21 時点0 1
2
22.
アルゴリズム、ダイジェスト • 1:(尊い)労働を実行させる 22 時点0 1
2
23.
アルゴリズム、ダイジェスト • 2:営業成績の評価 23 時点0 1
2 70点 80点 60点 100点 30点 25点
24.
アルゴリズム、ダイジェスト • 3:リストラと採用の実施 24 時点0 1
2 70点 80点 60点 100点 30点 25点 残留 残留 残留 残留 リストラ リストラ
25.
アルゴリズム、ダイジェスト • 3:リストラと採用の実施 25 時点0 1
2 70点 80点 60点 100点 30点 25点 残留 残留 残留 残留 リストラ リストラ
26.
アルゴリズム、ダイジェスト • 1:(尊い)労働を実行させる 26 時点0 1
2
27.
アルゴリズム、ダイジェスト 0:元気よく社畜を投げる 1:(尊い)労働を実行させる 2:営業成績の評価 3:リストラと採用の実施 4:1へ戻る 27
28.
アルゴリズム、ダイジェスト 0:初期分布作成 1:状態方程式を解く 2:尤度の計算 3:リサンプリングの処理 4:1へ戻る 28
29.
くわしくは、これを読め 29予測にいかす統計モデリングの基本―ベイズ統計入門から応用まで
30.
そんなSMC, 書いてみた 30 particle.filter <-
function(x0, size.particle, size.dim, size.data, system.equation, likelihood, lag=0) { total.loglikelihood <- 0 #dimension index : paricle * dimension * lag dims <- c(size.particle, size.dim, lag+1) x0 <- array(c(rep(x0, each=size.particle),rep(NA, size.dim*size.particle*lag)), dims) x <- array(rep(NA, size.particle*size.dim*(lag+1)), dims) dimnames(x0) <- make.name(size.particle, size.dim, lag) dimnames(x) <- make.name(size.particle, size.dim, lag) states <- vector("list", size.data) for( t in 1:size.data) { #Prediction : p(x_{t}|x_{t-1}) for(index.particle in 1:size.particle) { x[index.particle,, 1] <- system.equation(x0[index.particle,,1]) x[index.particle,,-1] <- x0[index.particle,,-(lag+1)] } #Likelihood : p(y_{t}|y_{1:t}) w <- apply(x, 1, function(z){likelihood(t, z[,1])}) total.loglikelihood <- total.loglikelihood + log(sum(w)/size.particle) #Weight ' resampling index <- resampling(w/sum(w)) #Filtering : p(x_{t}|y_{t}) x0 <- x[index,,,drop=FALSE] states[[t]] <- make.state(t, w, x, x0) } list(loglikelihood=total.loglikelihood, size=c(particle=size.particle, data=size.data, dim=size.dim,lag=lag), states=states) }
31.
そんなSMC, 動かしてみた 31 • カルマンフィルタとあってそう
32.
32 よし、では本番だ
33.
私が本当にやりたかったもの 33http://heartruptcy.blog.fc2.com/blog-entry-90.html
34.
34 無理でした
35.
結局、何? 35 で、実際どう すればいい の?
36.
Stan使ったらいい36
37.
サプリメント的Blogポスト 37http://d.hatena.ne.jp/teramonagi/20140525/1400996808
38.
Enjoy!!!38
Baixar agora