Upgrade to PRO for Only $50/Year—Limited-Time Offer! 🔥
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
B3_Seminar_04
Search
kakubari
February 16, 2017
Technology
0
72
B3_Seminar_04
長岡技術科学大学 自然言語処理研究室
角張竜晴
kakubari
February 16, 2017
Tweet
Share
More Decks by kakubari
See All by kakubari
動詞クエリの語間の関係性に基づくクエリマイニング
kakubari
0
110
Neural Modeling of Multi-Predicate Interactions for Japanese Predicate Argument Structure Analysis
kakubari
1
170
Leveraging Crowdsourcing for Paraphrase Recognition
kakubari
0
89
Automatically Acquired Lexical Knowledge Improves Japanese Joint Morphological and Dependency Analysis
kakubari
0
100
Labeling the Semantic Roles of Commas
kakubari
0
84
Integrating Case Frame into Japanese to Chinese Hierarchical Phrase-based Translation Model
kakubari
0
120
Improving Chinese Semantic Role Labelingusing High-quality Surface and Deep Case Frames
kakubari
0
91
Exploring Verb Frames for Sentence Simplification in Hindi
kakubari
0
140
述語項構造と照応関係のアノテーション
kakubari
0
240
Other Decks in Technology
See All in Technology
Authlete で実装する MCP OAuth 認可サーバー #CIMD の実装を添えて
watahani
0
150
さくらのクラウド開発ふりかえり2025
kazeburo
2
840
LayerX QA Night#1
koyaman2
0
250
なぜ あなたはそんなに re:Invent に行くのか?
miu_crescent
PRO
0
190
AWSに革命を起こすかもしれない新サービス・アップデートについてのお話
yama3133
0
490
Entity Framework Core におけるIN句クエリ最適化について
htkym
0
110
普段使ってるClaude Skillsの紹介(by Notebooklm)
zerebom
8
2k
「図面」から「法則」へ 〜メタ視点で読み解く現代のソフトウェアアーキテクチャ〜
scova0731
0
490
モダンデータスタックの理想と現実の間で~1.3億人Vポイントデータ基盤の現在地とこれから~
taromatsui_cccmkhd
2
260
フィッシュボウルのやり方 / How to do a fishbowl
pauli
2
370
"人"が頑張るAI駆動開発
yokomachi
1
110
Amazon Quick Suite で始める手軽な AI エージェント
shimy
1
1.7k
Featured
See All Featured
30 Presentation Tips
portentint
PRO
1
170
コードの90%をAIが書く世界で何が待っているのか / What awaits us in a world where 90% of the code is written by AI
rkaga
57
37k
What’s in a name? Adding method to the madness
productmarketing
PRO
24
3.8k
Scaling GitHub
holman
464
140k
Docker and Python
trallard
47
3.7k
Agile that works and the tools we love
rasmusluckow
331
21k
Primal Persuasion: How to Engage the Brain for Learning That Lasts
tmiket
0
190
A Modern Web Designer's Workflow
chriscoyier
698
190k
We Have a Design System, Now What?
morganepeng
54
7.9k
Save Time (by Creating Custom Rails Generators)
garrettdimon
PRO
32
1.8k
Building AI with AI
inesmontani
PRO
1
570
The Cost Of JavaScript in 2023
addyosmani
55
9.4k
Transcript
Ԭٕज़Պֶେֶ ిؾిࢠใֶ՝ఔ ֶ෦ɹ֯ுཽ ࣗવݴޠݚڀࣨ ɹ#̏θϛ ʙୈճʙ ϏοΫσʔλղੳೖᶄ
目次 ˔౷ܭͷجૅ ˔֬ີؔɾྦྷੵؔ
統計の基礎 ˔ఆৗͱ ɹ࣌ܥྻղੳͰඞཁͱͳͬͯ͘Δ֓೦ ˔࣌ܥྻͱ ɹ࣌ؒͷྲྀΕͱڞʹ؍ଌྔͷมԽ͕ه͞Εͨσʔλ ɹྫ͑ɾɾɾ ɹɾҝସגͷՁ֨ ɹɾಉ͡ॴͷؾԹؾѹ
統計の基礎 ͋Δ࣌ࠁ̓ʹ؍ଌ͞ΕͨΛ͇ ̓ Ͱද͢ɻ ࣌ܥྻ͕ఆৗͰ͋ΔͨΊͷ݅ɾɾɾ ɾฏۉ͕࣌ؒʹΑΒͣҰఆɹ ɾࢄ͕࣌ؒʹΑΒͣҰఆ ɾࣗݾڞࢄ͕࣌ؒࠩͷؔ ͜͜ͰɺЖ
Мఆɺ̺࣌ؒࠩΛද͢ɻ E[x(t)] = µ E[x(t)− µ]2 = σ 2 E[(x(t)−µ)(x(t − k)−µ)]= C(k)
統計の基礎 ˔౷ܭղੳΛߦ͏্Ͱఆৗੑɺඇৗʹॏཁ ղੳΛ͢Δσʔλͷൣғ͕มΘͬͯಉ͡౷ܭ݁Ռ ͕ಘΒΕΔΛ͍ࣔࠦͯ͠Δɻ ͭ·Γɺ౷ܭ݁ՌʹൣғબʹΑΔۮવੑ͕བྷΉ͜ͱ Λഉআͯ͘͠ΕΔɻ
統計の基礎 ˔౷ܭղੳͱ ɹશମ͔Βൈ͖ग़ͨ͠Ұ෦ΛݟͯɺશମΛΔ ྫ͑ɾɾɾʮຊதͷখֶੜͷମॏΛௐࠪ͢Δʯ ɹௐࠪରɿຊશࠃͷখֶੜશһ ௐࠪͷରͱͳΔूஂΛूஂͱ͍͏ɻ ཧͱͯ͠ɺूஂΛͯ͢ௐࠪ͢ΕΑ͍ɻ
શௐࠪ
統計の基礎 ͕ͩɺूஂ͕େ͖͘ɺௐ͕ࠪࠔͰ͋Δɻ Ὃ ूஂ͔Β̽ݸΛൈ͖ग़ͯ͠؍ଌ͠ɺ ͔ͦ͜ΒશମͷಛΛਪఆ͢Δɻ
؍ଌͷूஂඪຊͱݺͿɻ ಛʹɺཁૉ͕̽ͷ߹େ͖̽͞ͷඪຊͱݺͿɻ
統計の基礎 ʙ౷ܭղੳΛߦ͏্Ͱॏཁͳ๏ଇʙ ˔େͷ๏ଇ ʮ͋Δूஂ͔Βແ࡞ҝநग़͞ΕͨඪຊฏۉඪຊͷαΠζΛ େ͖͘͢Δͱਅͷฏۉʢूஂͷฏۉʣʹۙͮ͘ʯ ˔த৺ۃݶఆཧ ʮฏۉЖɺࢄМΛ࣋ͭҙͷʹै͏ूஂ͔Βɺ େ͖̽͞ͷඪຊΛநग़ͨ࣌͠ɺඪຊฏۉ̚<͇>ͷɺ͕̽े େ͖͚ΕฏۉЖɺࢄМ̽ͷਖ਼نʹۙͮ͘ʯ
˔֬ີؔ ɹ֬มʢཧྔʣ̭͕ඍখͳ۠ؒ ʹͦͷΛͱΔ֬ʢ֬ີʣΛ༩͑Δؔ ɹ֬ม̭͕ɹɹɹɹɹͱͳΔ֬Λ ͱ͢Δͱɺ ֬ਖ਼Ͱ͋Γɺͦͷ͕̍Ͱ͋Δ͜ͱ͔Βɺ f
(x) x < X < x +δx P(a < X < b) = f (x)dx a b ∫ a < X < b P(a < X < b) f (x)dx −∞ +∞ ∫ =1 f (x) ≥ 0
確率密度関数・累積分布関数 ˔ώετάϥϜ ɹ۠ؒͷදΛԣ࣠ʹɺͦͷ۠ؒͷΛॎ࣠ʹͱͬͯࢹ֮Խ ͨ͠ͷ ֬มͷಛ͕Θ͔Δ ɹɾͲͷ͘Β͍͕ΓΛ͔࣋ͭ ɹɾҰ൪ଟ͍Կ͔
ͳͲʜ ώετάϥϜͷ֓ܗΛ͑ΔͨΊʹن֨ԽΛߦ͏ɻ ɹɾΛσʔλͰׂΓɺ֤۠ؒͰͷ֬Λܭࢉ͢Δ ɹɾ֤۠ؒͷ֬Λ۠ؒͷ෯ͰׂΓɺ֬ີΛܭࢉ͢Δ ɹɾԣ࣠ʹ֤۠ؒͷදɺॎ࣠ʹ֬ີΛϓϩοτ͢Δ
確率密度関数・累積分布関数 ˔ྦྷੵؔ ɹ֬มͷ͕͇ΑΓେ͖͘ͳΔ֬Λ༩͑Δؔ ֬ີؔΛ༻͍ͯɺ ͱఆٛ͞ΕΔؔ'Λ֬ม̭ͷྦྷੵؔͱ͍ ͏ɻ F(x)
= P(X > x) = f ( ! x )d ! x x ∞ ∫
確率密度関数・累積分布関数 ˔ར ۠ؒΛ۠Δඞཁ͕ͳ͍ͨΊɺσʔλ͕ൺֱతগͳ͘ ͯ͋Δఔ͖Ε͍ʹඳ͚Δɻ σʔλͱྦྷੵؔ̍ର̍ʹରԠ͢Δɻ ˔άϥϑͷॻ͖ํ ɹ֬ີؔʢੵʣΛܦ༝͢Δํ๏ɺݫີͳ݁Ռ
Λಘ͍ͨ߹ʹ΄ͱΜͲΘΕͳ͍ɻ࣮ࡍɺσʔλͷ ιʔτͰٻΊΔɻ ᾇ̣ݸͷσʔλΛେ͖͍ॱʹฒΔ ᾈঢॱʹσʔλʹରͯ͠ɺ͔̍Β/·ͰॱҐ3Λ͚ͭΔ ᾉσʔλͷΛԣ࣠ʹɺ3/Λॎ࣠ʹϓϩοτ͢Δ
参考文献 ˔ߴ҆ඒࠤࢠฤஶɺాଜޫଠɾࡾӜߤஶɺ ɹʮֶੜɾٕज़ऀͷͨΊͷϏοΫσʔλղੳೖʯ ʢୈ̍ষʙୈ̏ষʣɺ ɹגࣜձࣾຊධࣾɺ݄