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

[輪読]時系列解析入門 5章

Sponsored · Your Podcast. Everywhere. Effortlessly. Share. Educate. Inspire. Entertain. You do you. We'll handle the rest. →
Avatar for ysekky ysekky
April 08, 2015
Science
1
320

[輪読]時系列解析入門 5章

Avatar for ysekky

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
Avatar for ysekky ysekky
0
2.3k
[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
2.8k
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
2.2k
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
Avatar for ysekky ysekky
1
810
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
3k
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
1.2k
Analysis of Bias in Gathering Information Between User Attributes in News Application (ABCCS 2018)
Avatar for ysekky 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
Avatar for ysekky ysekky
0
4k

Other Decks in Science

See All in Science
白金鉱業Vol.21【初学者向け発表枠】身近な例から学ぶ数理最適化の基礎 / Learning the Basics of Mathematical Optimization Through Everyday Examples
Avatar for BrainPad brainpadpr
1
610
データベース15: ビッグデータ時代のデータベース
Avatar for Y. Yamamoto trycycle
PRO
0
440
機械学習 - SVM
Avatar for Y. Yamamoto trycycle
PRO
1
980
知能とはなにかーヒトとAIのあいだー
Avatar for Y-h. Taguchi tagtag
PRO
0
150
People who frequently use ChatGPT for writing tasks are accurate and robust detectors of AI-generated text
Avatar for hajime kiyama rudorudo11
0
190
データマイニング - グラフデータと経路
Avatar for Y. Yamamoto trycycle
PRO
1
290
KH Coderチュートリアル（スライド版）
Avatar for HIGUCHI Koichi koichih
1
58k
機械学習 - ニューラルネットワーク入門
Avatar for Y. Yamamoto trycycle
PRO
0
940
力学系から見た現代的な機械学習
Avatar for Han Bao hanbao
3
3.9k
生成検索エンジン最適化に関する研究の紹介
Avatar for Yu Nakano / 中野優 ynakano
2
2k
中央大学AI・データサイエンスセンター　2025年第6回イブニングセミナー　『知能とはなにか　ヒトとAIのあいだ』
Avatar for Y-h. Taguchi tagtag
PRO
0
120
機械学習 - K近傍法 & 機械学習のお作法
Avatar for Y. Yamamoto trycycle
PRO
0
1.3k

Featured

See All Featured
The SEO identity crisis: Don't let AI make you average
Avatar for Varn varn
0
330
The Limits of Empathy - UXLibs8
Avatar for Cassini Nazir cassininazir
1
220
GraphQLとの向き合い方2022年版
Avatar for Yosuke Kurami quramy
50
14k
HDC tutorial
Avatar for Michiel Stock michielstock
1
390
Why You Should Never Use an ORM
Avatar for John Nunemaker jnunemaker
PRO
61
9.7k
Organizational Design Perspectives: An Ontology of Organizational Design Elements
Avatar for Dr. Kim W Petersen kimpetersen
PRO
1
470
A Modern Web Designer's Workflow
Avatar for Chris Coyier chriscoyier
698
190k
AI: The stuff that nobody shows you
Avatar for John Nunemaker jnunemaker
PRO
2
280
The Power of CSS Pseudo Elements
Avatar for Geoffrey Crofte geoffreycrofte
80
6.2k
Unlocking the hidden potential of vector embeddings in international SEO
Avatar for Frank van Dijk frankvandijk
0
170
How to build an LLM SEO readiness audit: a practical framework
Avatar for Nick Samuel nmsamuel
1
650
Facilitating Awesome Meetings
Avatar for Lara Hogan lara
57
6.8k

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