Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
機械学習を理論から真剣に取り組んでみた件 その1:回帰に関する復習
Search
NearMeの技術発表資料です
July 28, 2023
Science
0
66
機械学習を理論から真剣に取り組んでみた件 その1:回帰に関する復習
機械学習のイントロとして、まずは回帰の復習を扱っています。特に、線形であるものについて簡単にまとめています。非線形については、次回以降で明らかにし、カーネル法へのかけ渡しとしての資料です!
NearMeの技術発表資料です
July 28, 2023
Tweet
Share
More Decks by NearMeの技術発表資料です
See All by NearMeの技術発表資料です
サードパーティクッキーの終焉と Topics APIによる代替の可能性
nearme_tech
1
16
ONNXハンズオン
nearme_tech
2
16
DBのindex(B-tree周り) に触れてみよう
nearme_tech
0
18
Infrastructure as Code: Intro to Pulumi
nearme_tech
1
28
OR-Toolsの中⾝ -VRPの解法について-
nearme_tech
0
69
GTFSのデータを Streamlitで可視化してみた
nearme_tech
0
53
Offset / Cursor Paginationについて
nearme_tech
2
100
⼤規模⾔語モデルの拡張(RAG)が 終わったかも知れない件について
nearme_tech
23
16k
VRPを深層強化学習で解く
nearme_tech
0
84
Other Decks in Science
See All in Science
ultraArmをモニター提供してもらった話
miura55
0
120
Direct Preference Optimization
zchenry
0
180
AI科学の何が“哲学”の問題になるのか ~問いマッピングの試み~
rmaruy
1
1.5k
拡散モデルの原理紹介
brainpadpr
3
2.4k
Machine Learning for Materials (Lecture 6)
aronwalsh
0
440
はじめての「相関と因果とエビデンス」入門:“動機づけられた推論” に抗うために
takehikoihayashi
16
5.8k
Machine Learning for Materials (Lecture 3)
aronwalsh
0
870
Machine Learning for Materials (Lecture 9)
aronwalsh
0
130
Machine Learning for Materials (Lecture 7)
aronwalsh
0
750
2023-10-03-FOGBoston
lcolladotor
0
200
Xpenologyなるアングラプロジェクト周りについて語るやつ
sushi514
0
720
Mastering Feature Engineering: Mining the Hidden Salary Formula with CakeResume
tlyu0419
0
170
Featured
See All Featured
Practical Orchestrator
shlominoach
183
9.8k
Atom: Resistance is Futile
akmur
260
25k
Let's Do A Bunch of Simple Stuff to Make Websites Faster
chriscoyier
501
140k
The World Runs on Bad Software
bkeepers
PRO
61
6.8k
Helping Users Find Their Own Way: Creating Modern Search Experiences
danielanewman
21
2k
Learning to Love Humans: Emotional Interface Design
aarron
268
39k
JavaScript: Past, Present, and Future - NDC Porto 2020
reverentgeek
41
4.5k
Raft: Consensus for Rubyists
vanstee
133
6.3k
It's Worth the Effort
3n
180
27k
A Philosophy of Restraint
colly
197
16k
XXLCSS - How to scale CSS and keep your sanity
sugarenia
242
1.2M
The Cult of Friendly URLs
andyhume
74
5.7k
Transcript
0 機械学習を理論から真剣に取り組んでみた件 その1:回帰に関する復習 2023-07-21 第53回NearMe技術勉強会 Asahi Kaito
1 機械学習では避けられない、 行列の理論に関しての復習を扱います。
2 その中で、前提となる回帰問題について、復習します。
3 1. 回帰について 1-1. 線形な単回帰と重回帰 1次式で表すことができるもの
4 1. 回帰について 1-1. 線形な単回帰と重回帰 • 単回帰 ◦ 1つの変数 x
に依存してある従属変数 y が関係あると仮定する ◦ 線形な単回帰では、以下の関係 (1) を仮定、ただしci (i=0, 1)は定数 ◦ 問題 → ci (i=0, 1)の決定!!
5 1. 回帰について 1-1. 線形な単回帰と重回帰 • 単回帰 ◦ 問題 →
ci (i=0, 1)の決定(最適な直線を引こう!)!!
6 1. 回帰について 1-1. 線形な単回帰と重回帰 • 線形な単回帰の基本的な解法 ◦ 訓練データ を用いて、以下の誤差関数を最小化できるci
(i=0, 1) を求める。
7 1. 回帰について 1-1. 線形な単回帰と重回帰 • 線形な単回帰の基本的な解法
8 1. 回帰について 1-1. 線形な単回帰と重回帰 • 線形な単回帰の基本的な解法 c1 について、下に凸
9 1. 回帰について 1-1. 線形な単回帰と重回帰 • 線形な単回帰の基本的な解法 c1 について、下に凸 c0
について、下に凸
10 1. 回帰について 1-1. 線形な単回帰と重回帰 • 線形な単回帰の基本的な解法 → 誤差を最小にするci (i=0,
1)が存在する!! c1 について、下に凸 c0 について、下に凸
11 1. 回帰について 1-1. 線形な単回帰と重回帰 • 線形な単回帰の基本的な解法
12 1. 回帰について 1-1. 線形な単回帰と重回帰 • 線形な単回帰の基本的な解法
13 1. 回帰について 1-1. 線形な単回帰と重回帰 • 線形な単回帰の基本的な解法 ◦ あとは、以下の連立方程式を解けば良い
14 1. 回帰について 1-1. 線形な単回帰と重回帰 • 線形な単回帰の基本的な解法 ◦ 連立方程式を行列で表現して...
15 1. 回帰について 1-1. 線形な単回帰と重回帰 • 線形な単回帰の基本的な解法 ◦ 係数行列の行列式を計算して...
16 1. 回帰について 1-1. 線形な単回帰と重回帰 • 線形な単回帰の基本的な解法 ◦ 解を求める!!
17 1. 回帰について 1-1. 線形な単回帰と重回帰 • 線形な単回帰の基本的な解法 ◦ 係数行列の逆行列は以下なので...
18 1. 回帰について 1-1. 線形な単回帰と重回帰 • 線形な単回帰の基本的な解法 ◦ 計算してみましょう!!
19 1. 回帰について 1-1. 線形な単回帰と重回帰 • 線形な単回帰の基本的な解法 ◦ 答え(係数行列の逆行列が存在すれば)
20 1. 回帰について 1-1. 線形な単回帰と重回帰 • 線形な単回帰の基本的な解法 ◦ もう一歩(統計的に意味のある量で表現!!)
21 1. 回帰について 1-1. 線形な単回帰と重回帰 • 線形な単回帰の基本的な解法 ◦ もう一歩(統計的に意味のある量で表現!!) 平均値の表現!!
(他の部分も)
22 1. 回帰について 1-1. 線形な単回帰と重回帰 • 線形な単回帰の基本的な解法 ◦ もう一歩(統計的に意味のある量で表現!!) →
(かの有名な)最小二乗法!!
23 1. 回帰について 1-1. 線形な単回帰と重回帰 • 重回帰 ◦ 複数の変数 xi
(i=1, 2, 3, …, d) に依存している従属変数 y が関係あると仮定する ◦ 線形な重回帰では、以下の関係 (1) を仮定、ただしci (i=0, 1, 2, …, d)は定数 ◦ 問題 → ci (i=0, 1, 2, …, d) の決定!!
24 1. 回帰について 1-1. 線形な単回帰と重回帰 • 重回帰
25 1. 回帰について 1-1. 線形な単回帰と重回帰 • 重回帰 ◦ これを、訓練データ分計算する必要があるので、さらに行列に拡張する
26 1. 回帰について 1-1. 線形な単回帰と重回帰 • 重回帰 ◦ これを、訓練データ分計算する必要があるので、さらに行列に拡張する
27 1. 回帰について 1-1. 線形な単回帰と重回帰 • 重回帰 ◦ ここでも、二乗誤差を計算してみる
28 1. 回帰について 1-1. 線形な単回帰と重回帰 • 重回帰 ◦ ベクトルで微分を行って、
29 1. 回帰について 1-1. 線形な単回帰と重回帰 • 重回帰 ◦ ベクトルで微分を行って、この値が0となるとき、
30 1. 回帰について 1-1. 線形な単回帰と重回帰 • 重回帰 ◦ ベクトルで微分を行って、この値が0となるとき、 これが存在すれば
31 1. 回帰について 1-2. 非線形な単回帰と重回帰 • 非線形とは ◦ 説明変数が1次以外のものが含まれている ◦
例1: ◦ 例2: → ものによっては、線形のときのようにうまくいかないものも... → なんとか線形化できないか?
32 次回 線形化手法 〜カーネル法〜
33 参考図書 http://www.rokakuho.co.jp/data/books/0171.html http://www.rokakuho.co.jp/data/books/0172.html
34 a. 線形な単回帰と重回帰に罰則の追加(正則化) • リッジ回帰、ラッソ回帰 → そこで、係数によるペナルティを設ける(正則化項の追加) 1. 回帰について(補足) c1
やc0 による影響が大きく出る
35 a. 線形な単回帰と重回帰に罰則の追加(正則化) • リッジ回帰、ラッソ回帰 → リッジ回帰 1. 回帰について(補足)
36 a. 線形な単回帰と重回帰に罰則の追加(正則化) • リッジ回帰、ラッソ回帰 → ラッソ回帰 1. 回帰について(補足)
37 b. 逆行列が計算できないときについて • 擬似逆行列、一般逆行列を用いる ◦ 例)ムーア・ペンローズ形一般逆行列 ▪ 元の行列が零行列でなく、行列式の値が0であるときは、2次正方行列では以下のようになる →
一般逆行列などは、右記の書籍などで学習できる https://www.utp.or.jp/book/b375477.html 1. 回帰について(補足)
38 Thank you