「機械学習スタートアップシリーズ ベイズ推論による機械学習入門」。略名：須山ベイズ本 動機： 元々、PRMLを5章途中まで読んでいた。PRMLを読むの結構大変（というか全数式はおえていない）ので、ほかの優しめの本を読んだ方が良いという判断で鞍替えした…

本業(?)ではあるので、買ってみた。立ち読みしたところ内容はほとんどは既知だが復習として買うことに。 基本をおさえつつ実験・図が豊富な本は貴重だなと思う。 スケジューリング・ページイン/アウト・スワップ・仮想メモリ・ディスクアクセスなどなど、タ…

仕事に直接役立つ見込みもなかったので、一部を読んだ。http://d.hatena.ne.jp/n_shuyo/20121004/prml を参考に、章は選んだ。 内容は、2章は確率分布、3章は回帰モデル、4章は分類モデル。細かい数式はしばらくすれば忘れてしまうと思う。MLタスクでの意思…

値域つきの変数 0 < x1 < x2 < 1 からなる loss(x1,x2) を最小化したい。 lossが線形の時は線形計画法でよい。pythonのライブラリにpulpライブラリがあるらしい。非線形のとき、tensorflowなどで最適化できる。 変数の制約をつけたいとき 値域をつけたい -> …

PRML2章 密度推定においては、ヒストグラム法よりカーネル密度推定や最近傍法が優れている。ハンド幅BW（平滑化係数）について、推定密度 p(x|X,bw) のデータノイズへ過敏さと過剰な平滑化の間のトレードオフがある。 BWの選択としては、CV（クロスバリデー…