Upgrade to Pro — share decks privately, control downloads, hide ads and more …
Sign up for free

[輪読]時系列解析入門 5章

Avatar for ysekky ysekky
April 08, 2015
Science
340
1

[輪読]時系列解析入門 5章

Avatar for ysekky

ysekky

April 08, 2015

More Decks by ysekky

See All by ysekky
スタートアップの開発サイクルに学ぶ 研究活動の進め方 / research practices inspired by startup business strategy
Avatar for ysekky ysekky
0
2.5k
[論文紹介] A Method to Anonymize Business Metrics to Publishing Implicit Feedback Datasets (Recsys2020) / recsys20-reading-gunosy-datapub
Avatar for ysekky ysekky
3
2.9k
JSAI2020 OS-12 広告とAI オープニング / JSAI2020-OS-12-ads-and-ai-opening
Avatar for ysekky ysekky
0
2.3k
JSAI2020インダストリアルセッション - Gunosyにおける研究開発 / jsai2020-gunosy-rd-examples
Avatar for ysekky ysekky
1
840
ウェブサービス事業者における研究開発インターン[株式会社Gunosy] - テキストアナリティクスシンポジウム2019 / research-intern-case-study-at-gunosy
Avatar for ysekky ysekky
0
3.1k
Gunosyにおけるニュース記事推薦/ news-recommendation-in-gunosy-webdbf2019
Avatar for ysekky ysekky
1
1.6k
DEIM2019技術報告セッション - Gunosyの研究開発 / deim-2019-sponsor-session-gunosy-research
Avatar for ysekky ysekky
0
1.3k
Analysis of Bias in Gathering Information Between User Attributes in News Application (ABCCS 2018)
Avatar for ysekky ysekky
1
2.5k
世代による政治ニュース記事の閲覧傾向の違いの分析 - JSAI2018 / Analysis of differences in viewing behavior of politics news by age
Avatar for ysekky ysekky
0
4.2k

Other Decks in Science

See All in Science
データベース01: データベースを使わない世界
Avatar for Y. Yamamoto trycycle
PRO
1
1.5k
[第67回 CV勉強会＠関東] CV × Scientific Figures / kantoCV 67th CVPR 2026
Avatar for ライチ lychee1223
0
240
SAT ソルバーの仕組みと制約ソルバーへの応用
Avatar for tsoh tsoh
3
590
AlgorithAlgorihms for Decision Making
Avatar for MIKIO KUBO mickey_kubo
0
150
機械学習 - ニューラルネットワーク入門
Avatar for Y. Yamamoto trycycle
PRO
0
1.3k
データベース10: 拡張実体関連モデル
Avatar for Y. Yamamoto trycycle
PRO
0
1.6k
Kritische evaluatie van GenAI-output voor literatuuronderzoek
Avatar for voginip voginip
0
240
Controller Design for Symbolic Input-Output Systems Using Feedforward Neural Networks
Avatar for konakalab konakalab
0
120
データベース09: 実体関連モデル上の一貫性制約
Avatar for Y. Yamamoto trycycle
PRO
0
1.9k
勾配流から乖離した学習ダイナミクス
Avatar for Han Bao hanbao
1
1k
JSAI2026企画セッションKS-14 インタビュー集『⼈⼯知能と哲学と四つの問い』が提起する⼈⼯知能のこれからの課題 趣旨説明 / JSAI2026 Special Session: A Collection of Interviews, “Artificial Intelligence, Philosophy, and Four Questions”
Avatar for Kiyota Yoji, Ph.D. ykiyota
0
460
機械学習 - 授業概要
Avatar for Y. Yamamoto trycycle
PRO
0
650

Featured

See All Featured
Building a Modern Day 
E-commerce SEO Strategy
Avatar for Aleyda Solis aleyda
45
9.2k
Building a Scalable Design System with Sketch
Avatar for Laura Van Doore lauravandoore
464
34k
Winning Ecommerce Organic Search in an AI Era - #searchnstuff2025
Avatar for Aleyda Solis aleyda
2
2.2k
How GitHub (no longer) Works
Avatar for Zach Holman holman
316
150k
Understanding Cognitive Biases in Performance Measurement
Avatar for Philip Tellis bluesmoon
32
3k
Color Theory Basics | Prateek | Gurzu
Avatar for Gurzu gurzu
1
470
JavaScript: Past, Present, and Future - NDC Porto 2020
Avatar for David Neal reverentgeek
52
6.1k
A designer walks into a library…
Avatar for Paul Jervis Heath pauljervisheath
211
25k
How Software Deployment tools have changed in the past 20 years
Avatar for Geshan Manandhar geshan
1
34k
CSS Pre-Processors: Stylus, Less & Sass
Avatar for Bermon Painter bermonpainter
360
31k
SEO for Brand Visibility & Recognition
Avatar for Aleyda Solis aleyda
0
4.7k
The B2B funnel & how to create a winning content strategy
Avatar for Katarina Dahlin katarinadahlin
PRO
1
540

Transcript

  1. 時系列解析入門    5章 最小２乗法 Yoshifumi  Seki  (Gunosy  Inc)   2015.04.07

  2. 5.1  回帰モデルと最小２乗法 •  ynを目的変数,  xn1,..,xnmを説明変数とすると き以下を回帰モデルという   •  行列を用いて以下のように表現できる  

     

  3. 5.1  回帰モデルと最小２乗法 •  回帰モデルの対数尤度を最大にする回帰係 数aを求めるためには以下を最小化すればよ い   •  これを最小２乗法と呼ぶ  

  4. 5.3  AICによる次数選択 •  次数:  説明変数の個数m   •  AICによって説明変数の個数を選択するため にはj個の変数を用いた回帰モデルのAIC_jを 求め最小となるjを選択すればよい

     

  5. 5.4  データの追加と分割処理 •  全データメモリに乗せると計算は辛い   •  一部のデータから求められていれば，データ を追加してパラメータを更新することは容易で ある  

  6. 5.5  AICによる変数選択 •  5.3節でみたような形は説明変数を採用する 優先順位が決められているケース   •  本節では優先順位も決める   – 説明変数の優先順位のインデックスベクトル

      •  上記のモデルから最適なモデルを選択する   – 　　　個のモデルができる
  7. None