AI 28 ▪ 分解された L, D から以下のように求められる ▪ 計算量は O(n2) リッジ回帰 - 修正コレスキー分解を使って を求める def ldl_solve(LD, b): n = len(LD) x = b.copy() for i in range(n): x[i] -= np.dot(LD[i, :i], x[:i]) x /= LD.diagonal() for i in range(n - 1, -1, -1): x[i] -= np.dot(LD[i + 1 :, i], x[i + 1 :]) return res
AI 38 ▪ 以下の式を計算すれば良い ▪ 平均 ▪ 分散 ガウス過程回帰 - どうやって計算するの? X … 説明変数の行列 y … 目的変数のベクトル x i T … Xのi行目 x*T … 予測したいデータ K … i行j列の要素はk(x i T, x j T) k* … i番目の要素はk(x i T, x*) k** … k(x*, x*) λ … ノイズの分散 I … 単位行列 カーネル関数が適切であれば対称正定値