Enviar pesquisa
Carregar
20140329 tokyo r lt 「カーネルとsvm」
•
7 gostaram
•
9,777 visualizações
tetsuro ito
Seguir
Dados e análise
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 18
Baixar agora
Baixar para ler offline
Recomendados
2013.07.15 はじパタlt scikit-learnで始める機械学習
2013.07.15 はじパタlt scikit-learnで始める機械学習
Motoya Wakiyama
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
非制約最小二乗密度比推定法 uLSIF を用いた外れ値検出
非制約最小二乗密度比推定法 uLSIF を用いた外れ値検出
hoxo_m
協調フィルタリング入門
協調フィルタリング入門
hoxo_m
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
Koichi Hamada
[Up用]rでqr
[Up用]rでqr
tetsuro ito
20170912 data analyst meetup tokyo vol.5
20170912 data analyst meetup tokyo vol.5
tetsuro ito
DataOps in Moneyforward
DataOps in Moneyforward
tetsuro ito
Recomendados
2013.07.15 はじパタlt scikit-learnで始める機械学習
2013.07.15 はじパタlt scikit-learnで始める機械学習
Motoya Wakiyama
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
非制約最小二乗密度比推定法 uLSIF を用いた外れ値検出
非制約最小二乗密度比推定法 uLSIF を用いた外れ値検出
hoxo_m
協調フィルタリング入門
協調フィルタリング入門
hoxo_m
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
Koichi Hamada
[Up用]rでqr
[Up用]rでqr
tetsuro ito
20170912 data analyst meetup tokyo vol.5
20170912 data analyst meetup tokyo vol.5
tetsuro ito
DataOps in Moneyforward
DataOps in Moneyforward
tetsuro ito
20170207 bigdata analytics_tokyo講演資料
20170207 bigdata analytics_tokyo講演資料
tetsuro ito
20161029 dots machine learning in money forward
20161029 dots machine learning in money forward
tetsuro ito
20160906 bq sushi
20160906 bq sushi
tetsuro ito
TokyoR LT Rで連続データを離散化
TokyoR LT Rで連続データを離散化
tetsuro ito
20150531分析プラットホームとその技術(bizreach) cookpad ito #dcube_analysis
20150531分析プラットホームとその技術(bizreach) cookpad ito #dcube_analysis
tetsuro ito
20150303続パタ5章後半
20150303続パタ5章後半
tetsuro ito
PRML読書会1スライド(公開用)
PRML読書会1スライド(公開用)
tetsuro ito
20140614 tokyo r lt
20140614 tokyo r lt
tetsuro ito
20140204はじパタlt
20140204はじパタlt
tetsuro ito
Japan.r 2013 「実ビジネスデータへのrの活用とその限界」
Japan.r 2013 「実ビジネスデータへのrの活用とその限界」
tetsuro ito
はじパタ8章 svm
はじパタ8章 svm
tetsuro ito
Tokyo R LT 20131109
Tokyo R LT 20131109
tetsuro ito
はじパタ2章
はじパタ2章
tetsuro ito
第31回TokyoR LT資料
第31回TokyoR LT資料
tetsuro ito
集合知プログラミング5章発表
集合知プログラミング5章発表
tetsuro ito
集合知プログラミング11章
集合知プログラミング11章
tetsuro ito
集合知プログラミング勉強会キックオフMTG LT用資料
集合知プログラミング勉強会キックオフMTG LT用資料
tetsuro ito
20120326 zansa勉強会発表資料 (公開用) 02 04-38
20120326 zansa勉強会発表資料 (公開用) 02 04-38
tetsuro ito
複雑ネットワーク勉強会 第6章 後半
複雑ネットワーク勉強会 第6章 後半
tetsuro ito
複雑ネットワーク勉強会 第6章
複雑ネットワーク勉強会 第6章
tetsuro ito
Mais conteúdo relacionado
Mais de tetsuro ito
20170207 bigdata analytics_tokyo講演資料
20170207 bigdata analytics_tokyo講演資料
tetsuro ito
20161029 dots machine learning in money forward
20161029 dots machine learning in money forward
tetsuro ito
20160906 bq sushi
20160906 bq sushi
tetsuro ito
TokyoR LT Rで連続データを離散化
TokyoR LT Rで連続データを離散化
tetsuro ito
20150531分析プラットホームとその技術(bizreach) cookpad ito #dcube_analysis
20150531分析プラットホームとその技術(bizreach) cookpad ito #dcube_analysis
tetsuro ito
20150303続パタ5章後半
20150303続パタ5章後半
tetsuro ito
PRML読書会1スライド(公開用)
PRML読書会1スライド(公開用)
tetsuro ito
20140614 tokyo r lt
20140614 tokyo r lt
tetsuro ito
20140204はじパタlt
20140204はじパタlt
tetsuro ito
Japan.r 2013 「実ビジネスデータへのrの活用とその限界」
Japan.r 2013 「実ビジネスデータへのrの活用とその限界」
tetsuro ito
はじパタ8章 svm
はじパタ8章 svm
tetsuro ito
Tokyo R LT 20131109
Tokyo R LT 20131109
tetsuro ito
はじパタ2章
はじパタ2章
tetsuro ito
第31回TokyoR LT資料
第31回TokyoR LT資料
tetsuro ito
集合知プログラミング5章発表
集合知プログラミング5章発表
tetsuro ito
集合知プログラミング11章
集合知プログラミング11章
tetsuro ito
集合知プログラミング勉強会キックオフMTG LT用資料
集合知プログラミング勉強会キックオフMTG LT用資料
tetsuro ito
20120326 zansa勉強会発表資料 (公開用) 02 04-38
20120326 zansa勉強会発表資料 (公開用) 02 04-38
tetsuro ito
複雑ネットワーク勉強会 第6章 後半
複雑ネットワーク勉強会 第6章 後半
tetsuro ito
複雑ネットワーク勉強会 第6章
複雑ネットワーク勉強会 第6章
tetsuro ito
Mais de tetsuro ito
(20)
20170207 bigdata analytics_tokyo講演資料
20170207 bigdata analytics_tokyo講演資料
20161029 dots machine learning in money forward
20161029 dots machine learning in money forward
20160906 bq sushi
20160906 bq sushi
TokyoR LT Rで連続データを離散化
TokyoR LT Rで連続データを離散化
20150531分析プラットホームとその技術(bizreach) cookpad ito #dcube_analysis
20150531分析プラットホームとその技術(bizreach) cookpad ito #dcube_analysis
20150303続パタ5章後半
20150303続パタ5章後半
PRML読書会1スライド(公開用)
PRML読書会1スライド(公開用)
20140614 tokyo r lt
20140614 tokyo r lt
20140204はじパタlt
20140204はじパタlt
Japan.r 2013 「実ビジネスデータへのrの活用とその限界」
Japan.r 2013 「実ビジネスデータへのrの活用とその限界」
はじパタ8章 svm
はじパタ8章 svm
Tokyo R LT 20131109
Tokyo R LT 20131109
はじパタ2章
はじパタ2章
第31回TokyoR LT資料
第31回TokyoR LT資料
集合知プログラミング5章発表
集合知プログラミング5章発表
集合知プログラミング11章
集合知プログラミング11章
集合知プログラミング勉強会キックオフMTG LT用資料
集合知プログラミング勉強会キックオフMTG LT用資料
20120326 zansa勉強会発表資料 (公開用) 02 04-38
20120326 zansa勉強会発表資料 (公開用) 02 04-38
複雑ネットワーク勉強会 第6章 後半
複雑ネットワーク勉強会 第6章 後半
複雑ネットワーク勉強会 第6章
複雑ネットワーク勉強会 第6章
20140329 tokyo r lt 「カーネルとsvm」
1.
2014年3月29日 Tokyo.R LT 「カーネルとSVM」 @tetsuroito 2014年3月29日土曜日
2.
自己紹介 名前 バックボーン 伊藤 徹郎 経済・ファイナンス twitter ID R歴 @tetsuroito
2年くらい 所属 株式会社ALBERT データ分析部 最近辛いこと 色々な納期 2014年3月29日土曜日
3.
なんで今更SVM? ・数年前まで機械学習の花形を謳歌してた ・ランダムフォレストの出現により影が薄く ・Deeplearningに由来するニューラルネットワーク 復権により、さらに影が薄く 2014年3月29日土曜日
4.
SVMはこんな状態? from ターミネーター2 ラストシーンより そんなSVMに今一度、光を当てたいと思った! 2014年3月29日土曜日
5.
本日のLTメニュー 1、カーネル法について 2、SVM(サポートベクターマシーン) 2014年3月29日土曜日
6.
カーネル法? このおじさんではありません 2014年3月29日土曜日
7.
カーネル法 ムーアの法則よろしく、多種多様なデータの 蓄積が可能となった現代 多くの特徴量を持たせた複雑で高次元データを 解析したいニーズが増大 複雑なデータA,Bという集合があった時、それらの間の関係をk(A,B)という実数値関数に よって要約し、すべてを数値の世界に落とし込んで処理する 法。 2014年3月29日土曜日
8.
例えば 上記のような分類問題は図の黒線のような境界を求める 線形判別問題 2014年3月29日土曜日
9.
線形判別問題の限界 線形判別問題では上記の問題は解けません 2014年3月29日土曜日
10.
カーネルで高次元に飛ばす 2次元→3次元に飛ばすことで線形判別が可能に 2014年3月29日土曜日
11.
カーネルの種類 線形カーネル 多項式カーネル ※lは実数、pは自然数 RBFカーネル (ガウシアンカーネル) シグモイドカーネル 2014年3月29日土曜日
12.
SVMとは? 教師あり学習を用いる識別手法の1つ パターン認識や回帰分析に適用できる 機械学習の中で精度が高かった‥ アルゴリズム自体はシンプルだが、ブラックボックス と言われていることも‥ けっこう計算量が多い(次元の呪い) 2014年3月29日土曜日
13.
SVMとは? t = +1 t
= -1 ある2クラスのデータ これを識別する境界を 求めたい 上記の場合だと、色々な境界線を引く事ができちゃう 2014年3月29日土曜日
14.
SVMとは? 識別境界 マージン t = +1 t
= -1 識別境界から再近傍サンプルまでのマージン(距離)を 最大化させるような識別境界を求める 2014年3月29日土曜日
15.
RでカーネルSVMをやる kernlabパッケージ内のksvm関数を使用 ksvm(formula,data,kernel=”rbfdot”,kpar=list(sigma=0.1) type=,cross=2) Formula:式の設定 data:対象データ kernel:カーネルの指定 (デフォルトはガウシアン:rbfdot) kpar:カーネルのパラメータ type:分類と回帰の指定 cross:クロスバリデーション 2014年3月29日土曜日
16.
こんな感じのアウトプット library(MASS)のPima.trというデータセットの分類 過学習に注意してパラメータチュー二ング! 2014年3月29日土曜日
17.
SVM 2014年3月29日土曜日
18.
おわり! ご清聴ありがとうございました 2014年3月29日土曜日
Baixar agora