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
[輪読]時系列解析入門 5章
Search
ysekky
April 08, 2015
Science
1
320
[輪読]時系列解析入門 5章
ysekky
April 08, 2015
Tweet
Share
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
ysekky
0
2.3k
[論文紹介] A Method to Anonymize Business Metrics to Publishing Implicit Feedback Datasets (Recsys2020) / recsys20-reading-gunosy-datapub
ysekky
3
2.7k
JSAI2020 OS-12 広告とAI オープニング / JSAI2020-OS-12-ads-and-ai-opening
ysekky
0
2.1k
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
ysekky
1
780
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
ysekky
0
2.9k
Gunosyにおけるニュース記事推薦/ news-recommendation-in-gunosy-webdbf2019
ysekky
1
1.5k
DEIM2019技術報告セッション - Gunosyの研究開発 / deim-2019-sponsor-session-gunosy-research
ysekky
0
1.2k
Analysis of Bias in Gathering Information Between User Attributes in News Application (ABCCS 2018)
ysekky
1
2.4k
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
ysekky
0
4k
Other Decks in Science
See All in Science
機械学習 - SVM
trycycle
PRO
1
910
凸最適化からDC最適化まで
santana_hammer
1
310
データベース05: SQL(2/3) 結合質問
trycycle
PRO
0
820
ド文系だった私が、 KaggleのNCAAコンペでソロ金取れるまで
wakamatsu_takumu
2
1.5k
コンピュータビジョンによるロボットの視覚と判断:宇宙空間での適応と課題
hf149
1
390
深層学習を用いた根菜類の個数カウントによる収量推定法の開発
kentaitakura
0
190
会社でMLモデルを作るとは @電気通信大学 データアントレプレナーフェロープログラム
yuto16
1
300
baseballrによるMLBデータの抽出と階層ベイズモデルによる打率の推定 / TokyoR118
dropout009
2
590
点群ライブラリPDALをGoogleColabにて実行する方法の紹介
kentaitakura
1
470
Explanatory material
yuki1986
0
410
データベース10: 拡張実体関連モデル
trycycle
PRO
0
1k
SciPyDataJapan 2025
schwalbe10
0
270
Featured
See All Featured
Connecting the Dots Between Site Speed, User Experience & Your Business [WebExpo 2025]
tammyeverts
10
610
The Language of Interfaces
destraynor
162
25k
What’s in a name? Adding method to the madness
productmarketing
PRO
24
3.7k
Visualization
eitanlees
149
16k
Sharpening the Axe: The Primacy of Toolmaking
bcantrill
46
2.5k
[RailsConf 2023] Rails as a piece of cake
palkan
57
5.9k
The Illustrated Children's Guide to Kubernetes
chrisshort
49
51k
Exploring the Power of Turbo Streams & Action Cable | RailsConf2023
kevinliebholz
36
6.1k
CoffeeScript is Beautiful & I Never Want to Write Plain JavaScript Again
sstephenson
162
15k
Thoughts on Productivity
jonyablonski
70
4.9k
JavaScript: Past, Present, and Future - NDC Porto 2020
reverentgeek
52
5.7k
We Have a Design System, Now What?
morganepeng
53
7.8k
Transcript
時系列解析入門 5章 最小2乗法 Yoshifumi Seki (Gunosy Inc) 2015.04.07
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
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
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
5.4 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
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
None