英語はちょいちょい使ってますがさらなる力をつけたい 発音アクセントルミナス英和辞典―つづり字と発音解説作者: 竹林滋,斎藤弘子出版社/メーカー: 研究社発売日: 2005/10/01メディア: 単行本購入: 1人 クリック: 20回この商品を含むブログ (4件) を見る改訂…

パーフェクトPython (PERFECT SERIES 5)作者: Pythonサポーターズ,露木誠,ルイス・イアン,石本敦夫,小田切篤,保坂翔馬,大谷弘喜出版社/メーカー: 技術評論社発売日: 2013/03/05メディア: 大型本購入: 1人 クリック: 65回この商品を含むブログ (30件) を見る…

Pythonスタートブックの復習をcodeAcademyでやってます 今は50％まで到達実践 機械学習システム作者: Willi Richert,Luis Pedro Coelho,斎藤康毅出版社/メーカー: オライリージャパン発売日: 2014/10/25メディア: 大型本この商品を含むブログ (6件) を見るPy…

とりあえず読了したんですが、一気に駆け抜けたので抜け漏れ多数 ここで一度まとめてみます2章 ・プログラミングにおける材料はデータ 道具は関数 ・データにはいろんな型がある 文字列・整数・小数・真偽・リストなど ・データには変数を使って名前を付けら…

機械学習の本フリーソフトではじめる機械学習入門作者: 荒木雅弘出版社/メーカー: 森北出版発売日: 2014/03/29メディア: 単行本（ソフトカバー）この商品を含むブログ (4件) を見る

apple = 100 orange = 60 apple * 3 + orange * 2 from datetime import datetime now = datetime.now() print datetime.now() 組み込みデータ型の種類 ・整数int 1 100 -200 ・小数float 1.0 -3.2 ・文字列str 'tokyo' '109' ・真偽bool True False ・リス…

Rのコーディングルールについて http://rpubs.com/yamano357/85463勉強になります

> d4 <- d7[d7$x == 4,] #葉数4のサブセット > table(d4$y) #生存数がyiだった個体をカウント 0 1 2 3 4 5 6 7 8 3 1 4 2 1 1 2 3 3 > c(mean(d4$y), var(d4$y)) #平均と分散 [1] 4.050000 8.365789 > library(glmmML) > glmmML(cbind(y, N - y) ~ x, data =…

いろいろ参照してます http://qh73xe.jimdo.com/r%E3%81%AE%E5%9F%BA%E6%9C%AC/r%E3%81%AE%E4%BE%BF%E5%88%A9%E3%81%AA%E9%96%A2%E9%80%A3%E3%82%BD%E3%83%95%E3%83%88/rtools/ http://tjo.hatenablog.com/entry/2013/10/04/190701 https://github.com/stan-…

> summary(d) N y x f Min. :8 Min. :0.00 Min. : 7.660 C:50 1st Qu.:8 1st Qu.:3.00 1st Qu.: 9.338 T:50 Median :8 Median :6.00 Median : 9.965 Mean :8 Mean :5.08 Mean : 9.967 3rd Qu.:8 3rd Qu.:8.00 3rd Qu.:10.770 Max. :8 Max. :8.00 Max. :12.44…

Rによるベイジアン動的線形モデル (統計ライブラリー)作者: G.ペトリス,S.ペトローネ,P.カンパニョーリ,和合肇,萩原淳一郎出版社/メーカー: 朝倉書店発売日: 2013/05/08メディア: 単行本この商品を含むブログ (1件) を見る統計モデル入門 (医学統計学シリー…

第1章 ベイズ統計学 試行と事象/ベイズの定理/頻度から確信度ヘ/逆確率 -結果から原因を-/三つの扉問題 第2章 事前確率と事後確率 事後確率の計算/ベイズ更新/ベイズ更新の実験 第3章 ベイズ決定則 パターン認識/事後確率最大化/事前確率の効果/ベイズ誤り確…

1 必要な数学的知識 2 文書および単語の数学的表現 3 クラスタリング 4 分類 5 系列ラベリング 6 実験の仕方など言語処理のための機械学習入門 (自然言語処理シリーズ)作者: 高村大也,奥村学出版社/メーカー: コロナ社発売日: 2010/07/01メディア: 単行本購…

第1章 パターン認識とは 第2章 学習と識別関数 第3章 誤差評価に基づく学習 第4章 識別部の設計 第5章 特徴の評価とベイズ誤り確率 第6章 特徴空間の変換 第7章 部分空間法 第8章 学習アルゴリズムの一般化 第9章 学習アルゴリズムとベイズ決定則わかりやす…

ザ・マーケティング【基本篇】──激変する環境で通用する唯一の教科書作者: ボブ・ストーン,ロン・ジェイコブス,神田昌典,齋藤慎子出版社/メーカー: ダイヤモンド社発売日: 2012/06/29メディア: 単行本（ソフトカバー）購入: 1人 クリック: 1回この商品を含む…

第1章 はじめに 第2章 識別規則と学習法の概要 第3章 ベイズの識別規則 第4章 確率モデルと識別関数 第5章 k最近傍法（kNN法） 第6章 線形識別関数 第7章 パーセプトロン型学習規則 第8章 サポートベクトルマシン 第9章 部分空間法 第10章 クラスタリング 第…

第1部 パターン認識の基礎 第1章 パターン認識って何？ 第2章 データをきちんと取り込もう 第3章 パターンの特徴を調べよう 第4章 パターンを識別しよう 第5章 誤差をできるだけ少なくしよう 第6章 限界は破れるか−SVMとニューラルネットワーク 第7章 未知デ…

@siga117612 意味って？— いへうこだくふ (@sai_nabe) 2012, 2月 6@siga117612 有限集合上ならσ加法族と有限加法族に区別はない。求めるσ加法族をΣとすると A∈Σ→Aの補集合∈Σという要請から例えば{1,3,5},{2,3,4,6}∈Σが分かる。— いへうこだくふ (@sai_nabe) …

大阪大学 小林治 微分積分 微分積分の初歩からフーリエ変換・ルベーグ積分までコンパクトにまとまってる http://www.math.sci.osaka-u.ac.jp/~kobayashi/bs.pdf九州大学 吉川敦 ルベーグ積分入門 こちらもコンパクトにまとまってる 被覆から扱う http://www7…

d$y.rnd <- rpois(100, lambda = mean(d$y)) # 新のモデルから生成 mean(d$y) # 平均 fit1 <- glm(y.rnd ~ 1, data = d, family = poisson) fit2 <- glm(y.rnd ~ x, data = d, family = poisson) >fit1$deviance - fit2$deviance #逸脱度の差 [1] 1.273795 g…

日本の救助隊・消防 ・警察 ・自衛隊 ・海上保安庁・消防 救助隊 人口10万人未満の地域 特別救助隊 人口10万人以上の地域 ここが通称レスキュー隊 高度救助隊 中核市またはそれと同等の地域 特別高度救助隊 政令指定都市と東京都特別高度救助隊 各地でそれぞ…

会社を変える分析の力 (講談社現代新書)作者: 河本薫出版社/メーカー: 講談社発売日: 2013/07/18メディア: 新書この商品を含むブログ (13件) を見るとても評判がいいので読んでまとめてみます1章 データ分析に関する勘違い 1-1 データ分析の主役 1-2 分析の…

> fit <- glm(y ~ x, data = d, family = poisson) > fit # プリントでもいい Call: glm(formula = y ~ x, family = poisson, data = d) Coefficients: (Intercept) x 1.29172 0.07566 Degrees of Freedom: 99 Total (i.e. Null); 98 Residual Null Deviance…

> d <- read.csv("data3a.csv") > d y x f 1 6 8.31 C 2 6 9.44 C 3 6 9.50 C # 略 99 7 10.86 T 100 9 9.97 T > d$x # xだけ表示 [1] 8.31 9.44 9.50 9.07 10.16 8.32 10.61 10.06 9.93 10.43 10.36 10.15 [13] 10.92 8.85 9.42 11.11 8.02 11.93 8.55 7.19…

> load("data.RData") # データを読み込む > data # データの確認 [1] 2 2 4 6 4 5 2 3 1 2 0 4 3 3 3 3 4 2 7 2 4 3 3 3 4 3 7 5 3 1 7 6 4 6 5 2 [37] 4 7 2 2 6 2 4 5 4 5 1 3 2 3 > length(data) #データの個数確認 [1] 50 > summary(data) #データの基…

・線形モデルLMは等分散正規分布を仮定 そうでないものは一般線形モデルGLMデータ解析のための統計モデリング入門――一般化線形モデル・階層ベイズモデル・MCMC (確率と情報の科学)作者: 久保拓弥出版社/メーカー: 岩波書店発売日: 2012/05/19メディア: 単行…

どうしてルベーグ積分が必要なのか？ ・関数列は一様収束でないと項別積分できない →極限と積分が交換できない ・x軸を分割するためには値f(x)があまり変動してはいけない →f(x)のほうを分割する ・分割されたf(x)の逆像にあたる定義域を点集合で考える →こ…

目次 1 はじめに 2 線形回帰モデル 3 非線形回帰モデル 4 ロジスティクス回帰モデル 5 モデル評価基準 6 判別分析 7 ベイズ判別 8 サポートベクターマシン 9 主成分分析 10 クラスター分析多変量解析入門――線形から非線形へ作者: 小西貞則出版社/メーカー: …

随時更新 ・完全加法性 無限個足せる ・長さ→測度 ・平行移動に対して不変 ・カントール集合 連続体濃度を持つが、測度0である集合「ゼロ集合」の例

内点 集積点 開集合 閉集合 触点 境界点