Upgrade to Pro — share decks privately, control downloads, hide ads and more …

[輪読]時系列解析入門 5章

ysekky
April 08, 2015
Science
1
310

[輪読]時系列解析入門 5章

ysekky

April 08, 2015
Tweet

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
2k
[論文紹介] A Method to Anonymize Business Metrics to Publishing Implicit Feedback Datasets (Recsys2020) / recsys20-reading-gunosy-datapub
ysekky
3
2.6k
JSAI2020 OS-12 広告とAI オープニング / JSAI2020-OS-12-ads-and-ai-opening
ysekky
0
2k
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
750
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
2.7k
Gunosyにおけるニュース記事推薦/ news-recommendation-in-gunosy-webdbf2019
ysekky
1
1.4k
DEIM2019技術報告セッション - Gunosyの研究開発 / deim-2019-sponsor-session-gunosy-research
ysekky
0
1.1k
Analysis of Bias in Gathering Information Between User Attributes in News Application (ABCCS 2018)
ysekky
1
2.3k
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
3.9k

Other Decks in Science

See All in Science
重複排除・高速バックアップ・ランサムウェア対策 三拍子そろったExaGrid × Veeam連携セミナー
climbteam
0
200
局所保存性・相似変換対称性を満たす機械学習モデルによる数値流体力学
yellowshippo
1
180
Spectral Sparsification of Hypergraphs
tasusu
0
250
Cross-Media Information Spaces and Architectures (CISA)
signer
PRO
3
30k
拡散モデルの原理紹介
brainpadpr
3
6k
Improving Search @scale with efficient query experimentation @BerlinBuzzwords 2024
searchhub
0
270
07_浮世満理子_アイディア高等学院学院長_一般社団法人全国心理業連合会代表理事_紹介資料.pdf
sip3ristex
0
170
Factorized Diffusion: Perceptual Illusions by Noise Decomposition
tomoaki0705
0
340
02_西村訓弘_プログラムディレクター_人口減少を機にひらく未来社会.pdf
sip3ristex
0
170
学術講演会中央大学学員会八王子支部
tagtag
0
280
インフラだけではない MLOps の話 @事例でわかるMLOps 機械学習の成果をスケールさせる処方箋 発売記念
icoxfog417
PRO
2
720
ウェーブレットおきもち講座
aikiriao
1
830

Featured

See All Featured
Making Projects Easy
brettharned
116
6k
Fireside Chat
paigeccino
35
3.2k
Fight the Zombie Pattern Library - RWD Summit 2016
marcelosomers
233
17k
StorybookのUI Testing Handbookを読んだ
zakiyama
28
5.5k
Site-Speed That Sticks
csswizardry
4
410
The Cost Of JavaScript in 2023
addyosmani
47
7.4k
Build The Right Thing And Hit Your Dates
maggiecrowley
34
2.5k
For a Future-Friendly Web
brad_frost
176
9.6k
Gamification - CAS2011
davidbonilla
80
5.2k
Keith and Marios Guide to Fast Websites
keithpitt
411
22k
4 Signs Your Business is Dying
shpigford
183
22k
Chrome DevTools: State of the Union 2024 - Debugging React & Beyond
addyosmani
4
380

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